多项式逻辑回归模型 函数

首页 / 机器学习 / 多项式Lo​​gistic回归模型

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:

链接:https://www.learnfk.com/python-machine-learning/machine-learning-with-python-multinomial-logistic-regression-model.html

来源:LearnFk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-

无涯教程网

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%。

这一章《分类算法 - 逻辑回归 - 多项式逻辑回归模型 函数》你学到了什么?在下面做个笔记吧!做站不易,你的分享是对我们最大的支持

相关文章

邱岳的产品手记 -〔邱岳 - 49讲〕

Node.js开发实战 -〔杨浩 - 57讲〕

图解 Google V8 -〔李兵 - 25讲〕

说透数字化转型 -〔付晓岩 - 18讲〕

是否可以在 PyTorch 中的 torch.nn.Sequential 中的 torch.nn.Fl...

正则表达式匹配字符串中的多个数字

数据集中值的 Python 总和

在 Pandas 中的列之间搜索范围内的值(不是日期列和没有 sql)

从 2D numpy 数组中提取多组行/列

如何在混合数据类型的 Python Pandas 数据框列中仅比较日期或仅...

视频推荐〔Python机器学习 - 04-优化方法1-正规方程〕

更多视频 »
好记忆不如烂笔头。留下你的足迹吧 :)