逻辑回归-sklearn

将输入值进行转换，就是将线形回归的输出当作输入。对输入值进行一次线性回归。得出回归的结果。然后将结果放入激活函数。

对于损失的估计，因为逻辑回归是一个分类模型，所以对于误差的估计，不可以在使用均方误差。可以使用对数似然误差。

API的调用，对癌症进行判断：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
# 获取数据
cancer = pd.read_csv('DS/cancer/data.csv')

feature = cancer.iloc[:, 2:]
target = cancer.iloc[:, 1]
target = target.values.ravel()
# 数据集划分
x_train, x_test, y_train, y_test = train_test_split(
    feature, target, random_state=0)

# 数据预处理
trans = StandardScaler()
x_train = trans.fit_transform(x_train)
x_test = trans.transform(x_test)

# 构建模型
# C 正则化力度
estimator = LogisticRegression(C=0.1)
estimator.fit(x_train, y_train)

score = estimator.score(x_test, y_test)
print(score)

0.965034965034965

 

  激活函数的阈值默认为0.5