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
想知道哇2 小时前
机器学习入门:决策树的欠拟合与过拟合
人工智能·机器学习
go54631584652 小时前
修改Spatial-MLLM项目,使其专注于无人机航拍视频的空间理解
人工智能·算法·机器学习·架构·音视频·无人机
还有糕手3 小时前
西南交通大学【机器学习实验2】
人工智能·机器学习
小白狮ww3 小时前
VASP 教程:VASP 机器学习力场微调
人工智能·深度学习·机器学习
阿水实证通4 小时前
Stata如何做机器学习?——SHAP解释框架下的足球运动员价值驱动因素识别:基于H2O集成学习模型
人工智能·机器学习·集成学习
呆头鹅AI工作室4 小时前
[2025CVPR]SEEN-DA:基于语义熵引导的领域感知注意力机制
人工智能·深度学习·机器学习
大千AI助手5 小时前
蒙特卡洛方法:随机抽样的艺术与科学
人工智能·机器学习·贝叶斯·概率·蒙特卡洛·随机
山顶望月川5 小时前
并行科技MaaS平台支持文心4.5系列开源模型调用
人工智能·机器学习·编辑器
FF-Studio5 小时前
【硬核数学】3. AI如何应对不确定性?概率论为模型注入“灵魂”《从零构建机器学习、深度学习到LLM的数学认知》
大数据·人工智能·深度学习·机器学习·数学建模·自然语言处理·概率论