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
zzywxc7874 小时前
AI在编程、测试、数据分析等领域的前沿应用(技术报告)
人工智能·深度学习·机器学习·数据挖掘·数据分析·自动化·ai编程
旧时光巷4 小时前
【机器学习-4】 | 集成学习 / 随机森林篇
python·随机森林·机器学习·集成学习·sklearn·boosting·bagging
金井PRATHAMA4 小时前
主要分布于内侧内嗅皮层的层Ⅲ的网格-速度联合细胞(Grid × Speed Conjunctive Cells)对NLP中的深层语义分析的积极影响和启示
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理·知识图谱
阿里云大数据AI技术6 小时前
Hologres V3.1版本发布,Serverless型实例从零开始构建OLAP系统
大数据·人工智能·机器学习
行然梦实7 小时前
KnEA(Knee-point-driven Evolutionary Algorithm)简介
人工智能·算法·机器学习
nightunderblackcat7 小时前
新手向:用AI破解数据质量难题
人工智能·机器学习·自然语言处理
图灵学术计算机论文辅导8 小时前
特征融合+目标检测!3篇CVPR新作把多模态目标检测拉高10个mAP
论文阅读·人工智能·考研·机器学习·计算机视觉·目标跟踪·信息与通信
放飞自我的Coder8 小时前
【jupyter 使用多进程方案】
python·jupyter·多进程
tilblackout9 小时前
机器学习详解(28):LightGBM原理
人工智能·机器学习
weixin_464078079 小时前
机器学习sklearn:决策树的参数、属性、接口
决策树·机器学习·sklearn