1.1目标
使用 scikit-learn 培训 Logit模型模型。
1.2数据集
python
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
from sklearn.linear_model import LogisticRegression
lr_model = LogisticRegression()
lr_model.fit(X, y)
输出:
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
y_pred = lr_model.predict(X)
print("Prediction on training set:", y_pred)
输出:
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
print("Accuracy on training set:", lr_model.score(X, y))
输出:
Accuracy on training set: 0.5