机器学习实战:逻辑回归(3)-Sklearn实现病马死亡率预测

from sklearn.linear_model import LogisticRegression

"""
函数说明:使用Sklearn构建Logistic回归分类器
Parameters:
    无
Returns:
    无
"""
def colicSklearn():
    frTrain = open('horseColicTraining.txt','r')
    frTest = open('horseColicTest.txt','r')
    trainingSet = []; trainingLabels = []
    testSet = []; testLabels = []
    for line in frTrain.readlines():
        currentLine = line.strip().split('\t')
        lineArray = []
        for i in range(len(currentLine)-1):
            lineArray.append(float(currentLine[i]))
        trainingSet.append(lineArray)
        trainingLabels.append(float(currentLine[-1]))

    for line in frTest.readlines():
        currentLine = line.strip().split('\t')
        lineArray = []
        for i in range(len(currentLine)-1):
            lineArray.append(float(currentLine[i]))
        testSet.append(lineArray)
        testLabels.append(float(currentLine[-1]))
    classifier = LogisticRegression(solver='liblinear',max_iter=10).fit(trainingSet,trainingLabels)
    test_accuarcy = classifier.score(testSet,testLabels)*100
    print('正确率:%f%%'%test_accuarcy)
colicSklearn()

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值