吴恩达机器学习2022-Jupyter-用scikitlearn实现逻辑回归

1.1目标

使用 scikit-learn 培训 Logit模型模型。

1.2数据集

python 复制代码
import numpy as np

X = np.array([[0.5, 1.5], [1,1], [1.5, 0.5], [3, 0.5], [2, 2], [1, 2.5]])
y = np.array([0, 0, 0, 1, 1, 1])

1.3Fit模型

下面的代码导入了 scikit-learn 的 Logit模型模型。您可以通过调用 fit 函数将此模型适合于训练数据。

python 复制代码
from sklearn.linear_model import LogisticRegression

lr_model = LogisticRegression()
lr_model.fit(X, y)

输出:

复制代码
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
          intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=1,
          penalty='l2', random_state=None, solver='liblinear', tol=0.0001,
          verbose=0, warm_start=False)

1.4预测

通过调用预测函数,您可以看到这个模型所做的预测。

python 复制代码
y_pred = lr_model.predict(X)

print("Prediction on training set:", y_pred)

输出:

复制代码
Prediction on training set: [1 1 1 1 1 1]

1.5计算准确度

您可以通过调用 score 函数来计算这个模型的精度。

python 复制代码
print("Accuracy on training set:", lr_model.score(X, y))

输出:

复制代码
Accuracy on training set: 0.5
相关推荐
丁浩6661 小时前
Python机器学习---6.集成学习与随机森林
python·随机森林·机器学习
救救孩子把2 小时前
30-机器学习与大模型开发数学教程-3-4 矩阵的逆与伪逆
线性代数·机器学习·矩阵
Coovally AI模型快速验证3 小时前
OmniNWM:突破自动驾驶世界模型三大瓶颈,全景多模态仿真新标杆(附代码地址)
人工智能·深度学习·机器学习·计算机视觉·自动驾驶·transformer
青春不败 177-3266-05204 小时前
GPT、DeepSeek等大语言模型应用
人工智能·gpt·深度学习·机器学习·语言模型·科研绘图
伊玛目的门徒6 小时前
Jupyter Notebook 配置使用虚拟环境中(virtualenv) 内核
python·jupyter·virtualenv
双翌视觉7 小时前
机器视觉的手机模组背光贴合应用
人工智能·机器学习·智能手机·1024程序员节
leo__5207 小时前
基于经验模态分解的去趋势波动分析(EMD-DFA)方法
人工智能·算法·机器学习
FanXing_zl8 小时前
10分钟学懂线性代数
人工智能·线性代数·机器学习
番茄寿司8 小时前
基于LSTM的多变量时间序列预测创新路径
论文阅读·深度学习·计算机网络·机器学习·lstm
墨利昂8 小时前
深度学习常用优化器解析
人工智能·深度学习·机器学习·1024程序员节