欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

《封号码罗》数据分析与人工智能之sklearn模型LogisticRegression逻辑斯蒂回归(十三)

程序员文章站 2022-05-09 13:54:01
...

第一部分

# logistics逻辑斯蒂回归
import numpy as np
from sklearn.linear_model import LogisticRegression

# 逻辑斯蒂回归在线性模快下面
# 相同点:
#   线性回归---------得到线性方程
#   逻辑斯蒂回归-----得到线性方程
# 不同点:
#   线性回归解决回归预测问题
#   逻辑斯蒂回归解决分裂问题
# 所有分裂问题都是概率问题
# 线性方程----使用逻辑斯蒂函数------值变成概率0~1---分类问题
# 利用逻辑斯蒂回归进行分类的主要思想是:根据现有数据对分类边界线建立回归公式
# (f(x1, x2....) = w1 * 1 + w2 * 2 +...),以此进行分类,这里的“回归”一词源于最佳拟合。
# 表示要找到最佳拟合参数集
# 最大似然估计就是要求得时l(θ)取最大值时的θ,其实这里可以使用梯度上升法求解,求得的θ就是要求的最佳参数

import sklearn.datasets as datasets
from sklearn.model_selection import train_test_split

iris = datasets.load_iris()  # 安德森鸢尾花卉数据集
X = iris["data"]
y = iris["target"]
# print(X.shape)  # (150, 4) 150个样本,四个属性分别是花萼的长宽,花瓣的长宽
X_train, X_test, y_train, y_test = train_test_split(X, y)

# class_weight的使用,假如有两个类:类别A(100数据),类别B(200数据) class_weight={A:2,B:1}
#                       惩罚L2正则项             容忍度     相当于α,正则化的强度,越大正则项越弱
lg = LogisticRegression(penalty='l2', dual=False, tol=1e-4, C=1.0,
                        # 截距                缩放(正则化的意思)  权重
                        fit_intercept=True, intercept_scaling=1, class_weight=None,
                        #                   优化方法
                        random_state=None, solver='lbfgs', max_iter=100,
                        # 是否解决多分类问题
                        multi_class='auto', verbose=0, warm_start=False, n_jobs=None,
                        l1_ratio=None)
lg.fit(X_train, y_train)
y_ = lg.predict(X_test)
ss = lg.score(X_test, y_test)
gailv = lg.predict_proba(X_test)  # 概率 谁的概率大谁就是哪个值
canshu = lg.coef_  # 斜率  3行4列  12个
jieju = lg.intercept_  # [  9.03673323   1.72533767 -10.7620709 ]

cond = y != 2  # 三分类变成二分类
X = X[cond]
y = y[cond]
lg.fit(X, y)
# lg.coef_  [[ 0.44036482 -0.90696813  2.30849566  0.96232763]]
# lg.intercept_ [-6.61165119]
print()

第二部分

《封号码罗》数据分析与人工智能之sklearn模型LogisticRegression逻辑斯蒂回归(十三)
《封号码罗》数据分析与人工智能之sklearn模型LogisticRegression逻辑斯蒂回归(十三)
《封号码罗》数据分析与人工智能之sklearn模型LogisticRegression逻辑斯蒂回归(十三)
《封号码罗》数据分析与人工智能之sklearn模型LogisticRegression逻辑斯蒂回归(十三)
《封号码罗》数据分析与人工智能之sklearn模型LogisticRegression逻辑斯蒂回归(十三)
《封号码罗》数据分析与人工智能之sklearn模型LogisticRegression逻辑斯蒂回归(十三)
《封号码罗》数据分析与人工智能之sklearn模型LogisticRegression逻辑斯蒂回归(十三)