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
AI小云1 天前
【机器学习与实战】回归分析与预测:线性回归-03-损失函数与梯度下降
机器学习
L.fountain1 天前
机器学习shap分析案例
人工智能·机器学习
weixin_429630261 天前
机器学习-第一章
人工智能·机器学习
Cedric11131 天前
机器学习中的距离总结
人工智能·机器学习
寒月霜华1 天前
机器学习-数据标注
人工智能·机器学习
Godspeed Zhao2 天前
自动驾驶中的传感器技术46——Radar(7)
人工智能·机器学习·自动驾驶
limengshi1383922 天前
机器学习面试:请介绍几种常用的学习率衰减方式
人工智能·学习·机器学习
救救孩子把2 天前
2-机器学习与大模型开发数学教程-第0章 预备知识-0-2 数列与级数(收敛性、幂级数)
人工智能·数学·机器学习
蒋星熠2 天前
如何在Anaconda中配置你的CUDA & Pytorch & cuNN环境(2025最新教程)
开发语言·人工智能·pytorch·python·深度学习·机器学习·ai
Hcoco_me2 天前
什么是机器学习?
人工智能·机器学习