逻辑回归
1、逻辑回归的概念:
解决的是一个二分类的问题
逻辑回归的输入是线性回归的输出
2、原理:
- 输入:线性回归的输出
- 激活函数:sigmod函数,把整体映射到0和1上,再设置一个阈值,进行分类判断
- 损失:对数自然损失,借助了log思想,进行完成,真实值等于0,等于1两种情况进行划分。
- 优化:提升原本属于1的概率,降低原本类别是0的概率
3、逻辑回归API介绍
sklearn.linear_mode.LogisticRegression()
注意:回归、分类的API有时候是可以混合使用的
4、案例
5、分类评估方法
- 准确率:(真正例+真反例)/(所有例子)
- 精确率:(真正例)/(真正例+伪正例 )–查的准不准
- 召回率:(真正例)/(真正例+伪反例)-- 查的全不全
- F1-score:反映模型的稳健性
分类评估报告API:
sklearn.metrics.classification_report(y_test, y_pre)