sklearn之逻辑回归LR
对于线性回归,由于都是求线性参数;逻辑回归,由于其呈S型,具有在坐标轴两个左右边进行急剧上升下降的趋近1或者0,因此具有分类特性。
决策树是天生的过拟合,而线性回归是天生的欠拟合;
L1范式可以完成
损失函数只针对于【有参数求解的模型】,损失函数越小则模型拟合的越好; Kmean对于total inertial(簇内平方和),虽然不是损失函数,并不是为了求解参数,但是它确实对模型拟合起到重要作用,可以不严谨的讲它是Keans的损失函数。
但决策树和KNN是绝对没有损失函数。
from sklearn.linear_model import LogisticRegression as LR
from sklearn.datasets import load_breast_cancer
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
data = load_breast_cancer()
X = data.data
y = data.target
X.shape
lr1 = LR(penalty="l1",solver="liblinear",C=0.5,max_iter=100)
lr1 = lr1.fit(X,y)
lr1.coef_
(lr1.coef_!=0).sum(axis=1)
lr2 = LR(penalty="l2",solver="liblinear",C=0.5,max_iter=100)
lr2 = lr2.fit(X,y)
# coef对应着逻辑回归中的W参数
lr2.coef_
(lr2.coef_ != 0).sum(axis=1)
l1 = []
l2 = []
l1test = []
l2test = []
Xtrain,Xtest,Ytrain,Ytest = train_test_split(X,y,test_size=0.3,random_state=420)
for i in np.linspace(0.05,1,19):
lrl1 = LR(penalty="l1",solver="liblinear",C=i,max_iter=100)
lrl2 = LR(penalty="l2",solver="liblinear",C=i,max_iter=100)
lrl1 = lrl1.fit(Xtrain,Ytrain)
l1.append(accuracy_score(lrl1.predict(Xtrain),Ytrain))
l1test.append(accuracy_score(lrl1.predict(Xtest),Ytest))
lrl2 = lrl2.fit(Xtrain,Ytrain)
l2.append(accuracy_score(lrl2.predict(Xtrain),Ytrain))
l2test.append(accuracy_score(lrl2.predict(Xtest),Ytest))
graph = [l1,l2,l1test,l2test]
color = ['green','black','lightgreen','gray']
label = ['L1','L2','L1test','L2test']
plt.figure(figsize=(6,6))
for i in range(len(graph)):
plt.plot(np.linspace(0.05,1,19),graph[i],color[i],label=label[i])
plt.legend(loc=4) #图例的位置在哪里?4表示,右下角
plt.show()
sklearn之逻辑回归LR相关推荐
- 【机器学习算法笔记系列】逻辑回归(LR)算法详解和实战
逻辑回归(LR)算法概述 逻辑回归(Logistic Regression)是用于处理因变量为分类变量的回归问题,常见的是二分类或二项分布问题,也可以处理多分类问题,它实际上是属于一种分类方法. 逻辑 ...
- 推荐系统(4)-逻辑回归LR、POLY2、FM、FFM
逻辑回归LR.POLY2.FM.FFM 1.逻辑回归LR 2.辛普森悖论 3.POLY2 4.FM-2010 5.FFM 6.GBDT+LR-2014 7.LS-PLM-2017 <深度学习/推 ...
- python机器学习案例系列教程——逻辑分类/逻辑回归LR/一般线性回归(softmax回归)
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 线性函数.线性回归 参考:http://blog.csdn.net/luanpeng825485697/article/details ...
- 逻辑回归LR vs 支持向量机SVM
目录 LR vs SVM LR和SVM的相同点 LR和SVM的不同点 逻辑回归LR LR损失函数 LR公式推导 支持向量机SVM 间隔和支持向量 对偶问题 核函数 软间隔和正则化 LR vs SVM ...
- 【机器学习之逻辑回归】sklearn+python逻辑回归详解
文章目录 一.逻辑回归 二.算法原理介绍 三.代码实现 3.1 sklearn-API介绍 3.2 sklearn-代码实现 3.3 python手写代码实现 四.总结 五.算法系列 一.逻辑回归 逻 ...
- sklearn入门——逻辑回归
什么是逻辑回归 逻辑回归也叫对数几率回归,在西瓜书中有介绍,吃瓜的时候也学过,可惜呀,脑子不好使,全忘了.重新学一下吧.... 在理解对数几率回归之前需要先理解线性回归.线性回归的任务,就是构造一个预 ...
- sklearn的逻辑回归
官方逻辑回归链接 sklearn.linear_model.LogisticRegression - scikit-learn 1.0.2 documentationhttps://scikit-le ...
- sklearn之逻辑回归和岭回归
过拟合与欠拟合 过拟合:一个假设在训练数据上能够获得比其他假设更好的拟合, 但是在训练数据外的数据集上却不能很好地拟合数据,此时认为这个假设出现了过拟合的现象.(模型过于复杂) 欠拟合:一个假设在训练 ...
- Python+sklearn使用逻辑回归算法预测期末考试能否及格
封面图片:<Python程序设计实验指导书>,董付国编著,清华大学出版社 ================= 虽然名字中带有"回归"二字,但实际上逻辑回归是一个用于分类 ...
最新文章
- sersync 同步
- 智力题:砝码称重问题
- 动态数据绑定之监听对象变化
- 成功解决keras库中出现AttributeError: ‘str‘ object has no attribute ‘decode‘
- 以列表形式输出_04 Python之列表、集合和字典的推导式
- mysql多实例复制,Mysql实例使用Rotate Master实现MySQL 多主复制的实现方法
- SGU185 Two shortest(最小费用最大流/最大流)
- 建立远程桌面连接计算机无密码,win7远程桌面空密码的步骤_win7系统如何设置让远程桌面登录无需密码-win7之家...
- 【Java】辨析JUnit4中的@AfterClass、@BeforeClass、@after、@before
- 微软发布 Autodesk FBX 漏洞带外安全公告,将于5月推出补丁
- Spring REST Controller,在GET方式下,有多个参数时的处理
- 瑞利衰落信道matlab,瑞利衰落信道的matlab仿真-read.doc
- 启发式算法之遗传算法--求解组合优化问题
- 转载 ADB logcat 过滤方法(抓取日志)
- 《数据结构》第五章 树和二叉树 同学问题收集站
- 深入理解AX Inventory Aging Report
- Dazdata BI产品3D+BI医院综合管理应用案例
- 无线蓝牙耳机哪个好用?好用的无线蓝牙耳机推荐
- phpstorm全局搜索
- java女程序员的出路,持续更新~
热门文章
- Matlab 2017a 安装、破解步骤
- 相机视频展示开源平台ISpy
- 推荐给后端工程师进阶的几本技术书籍
- 快学scala第二版笔记
- centos7.5.1804配置本地yum源和阿里云yum源以及163源
- cannot be cast to com.baomidou.mybatisplus.core.metadata.IPage
- 中文版-神羔羊配得(worthy is the lamb)MV
- 【js练习】移动盒子位置,鼠标在盒子外问题
- steam进社区显示服务器错误,Steam社区显示102错误代码怎么办?为什么不能打开Steam社区?...
- 点量云流化在智慧党建中的应用