Sklearn逻辑回归

逻辑回归是一种广泛用于分类问题的机器学习算法。在Python中,你可以使用Sklearn库(scikit-learn)来方便地实现逻辑回归。下面是一个简单的例子,展示了如何使用Sklearn进行逻辑回归。

python 复制代码
# 导入必要的库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
from sklearn import datasets
# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
# 创建逻辑回归模型
logreg = LogisticRegression()
# 训练模型
logreg.fit(X_train, y_train)
# 使用训练好的模型进行预测
y_pred = logreg.predict(X_test)
# 计算并打印准确率
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy * 100:.2f}%')

这个例子中,我们使用了鸢尾花(Iris)数据集,这是一个常用于机器学习入门的数据集,包含了150个样本,每个样本有4个特征,对应于鸢尾花的萼片和花瓣的长度和宽度。数据集被分为三个类别。

代码步骤如下:

  1. 导入必要的库。
  2. 加载数据集。
  3. 将数据集分为训练集和测试集。
  4. 创建一个逻辑回归模型。
  5. 使用训练集数据训练模型。
  6. 用训练好的模型对测试集进行预测。
  7. 计算预测结果的正确率,并打印出来。
    请注意,实际应用中,你可能需要对数据进行预处理,如特征缩放、特征选择等,并调整模型的参数以达到更好的性能。
相关推荐
VIP_CQCRE11 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
泯泷12 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我13 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁0113 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
Csvn13 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄14 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下15 小时前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码15 小时前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
锋行天下16 小时前
langgraph 全栈项目(二)
前端·人工智能·后端
大模型真好玩16 小时前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦
人工智能·aigc·deepseek