分类算法 中的 多项式逻辑回归模型函数

首页 / 机器学习入门教程 / 分类算法 中的 多项式逻辑回归模型函数

Logistic逻辑回归的另一种有用形式是多项式Lo​​gistic回归,其中目标或因变量可以具有3种或更多可能的unordered类型,即没有定量意义的类型。

用Python实现

现在,无涯教程将在Python中实现上述多项式逻辑回归的概念。为此,使用来自sklearn的名为 digit 的数据集。

首先,需要导入必要的库,如下所示:

Import sklearn
from sklearn import datasets
from sklearn import linear_model
from sklearn import metrics
from sklearn.model_selection import train_test_split

接下来,需要加载数字数据集-

digits=datasets.load_digits()

现在,如下定义特征矩阵(X)和响应向量(y)-

X=digits.data
y=digits.target

借助下一行代码,可以将X和y分为训练和测试集-

X_train, X_test, y_train, y_test=train_test_split(X, y, test_size=0.4, random_state=1)

现在创建一个逻辑回归的对象,如下所示:

无涯教程网

digreg=linear_model.LogisticRegression()

现在,需要使用以下训练集来训练模型:

digreg.fit(X_train, y_train)

接下来,对测试集进行如下预测:

y_pred=digreg.predict(X_test)

接下来打印模型的精度如下-

print("Accuracy of Logistic Regression model is:",
metrics.accuracy_score(y_test, y_pred)*100)
Accuracy of Logistic Regression model is: 95.6884561891516

从上面的输出中,无涯教程可以看到模型的准确性约为96%。

祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)

技术教程推荐

推荐系统三十六式 -〔刑无刀〕

Go语言从入门到实战 -〔蔡超〕

Selenium自动化测试实战 -〔郭宏志〕

深度学习推荐系统实战 -〔王喆〕

分布式金融架构课 -〔任杰〕

大数据经典论文解读 -〔徐文浩〕

李智慧 · 高并发架构实战课 -〔李智慧〕

JavaScript进阶实战课 -〔石川〕

深入拆解消息队列47讲 -〔许文强〕

好记忆不如烂笔头。留下您的足迹吧 :)