达观杯_构建模型（二）逻辑回归

特征：tfidf(word+article)

"""
1.特征：tfidf(word+article)
2.模型：lr
3.参数：C=120
"""import pandas as pd
import pickle
from sklearn.linear_model import LogisticRegressionwith open('tfidf(word+article).pkl', 'rb') as f:x_train, y_train, x_test = pickle.load(f)clf = LogisticRegression(C=120, dual=False)
clf.fit(x_train, y_train)#返回预测标签
y_test = clf.predict(x_test)
y_test_prob = clf.predict_proba(x_test)#标签预测结果存储
y_test = [i+1 for i in y_test_list.tolist()]
y_test_prob = y_test_prob_LR.tolist()df_result = pd.DataFrame({'id':range(102277), 'class': y_test})
df_proba = pd.DataFrame({'id':range(102277), 'prob': y_test_prob})df_result.to_csv('lr(C=120)_tfidf(word+article).csv',index=False)
df_proba.to_csv('lr(C=120)_tfidf(word+article)_proba.csv',index=False)

特征：linearsvm-tfidf(word)+lr-tfidf(article)

"""
1.特征：linearsvm-tfidf(word)+lr-tfidf(article)
2.模型：lr
3.参数：C=120
"""import pandas as pd
import pickle
from sklearn.linear_model import LogisticRegressionwith open('linearSVM-tfidf(word)+lr-tfidf(article).pkl', 'rb') as f:x_train, y_train, x_test = pickle.load(f)clf = LogisticRegression(C=120, dual=False)
clf.fit(x_train, y_train)#返回预测标签
y_test = clf.predict(x_test)
y_test_prob = clf.predict_proba(x_test)#标签预测结果存储
y_test = [i+1 for i in y_test_list.tolist()]
y_test_prob = y_test_prob_LR.tolist()df_result = pd.DataFrame({'id':range(102277), 'class': y_test})
df_proba = pd.DataFrame({'id':range(102277), 'prob': y_test_prob})df_result.to_csv('LR_linearSVM-tfidf(word)+lr-tfidf(article).csv',index=False)
df_proba.to_csv('LR_linearSVM-tfidf(word)+lr-tfidf(article).csv',index=False)

达观杯_构建模型（二）逻辑回归相关推荐

达观杯_构建模型（四）贝叶斯
""" 1.特征:linearsvm-tfidf(word)+lr-tfidf(article) / doc2vec_word 2.模型:bayes"" ...
达观杯_构建模型（一）linearSVM
特征:tfidf(word)+tfidf(article) """ 1.特征:tfidf(word)+tfidf(article) 2.模型:linearsvm 3.参数 ...
达观杯_构建模型（三）lightGBM
countvector(a)+doc(a)+hash(a) """ 1.特征:countvector(a)+doc(a)+hash(a) 2.模型:lgb "& ...
入门篇(二)模型：逻辑回归(一步步从原理到实现)
<老饼讲解机器学习>专注于机器学习的学习网站http://ml.bbbdata.com/teach#187 目录一.问题二.逻辑回归的思想三.模型表达式四.损失函数 (一) 单个 ...
R语言分类模型：逻辑回归模型LR、决策树DT、推理决策树CDT、随机森林RF、支持向量机SVM、Rattle可视化界面数据挖掘、分类模型评估指标（准确度、敏感度、特异度、PPV、NPV）
R语言分类模型:逻辑回归模型LR.决策树DT.推理决策树CDT.随机森林RF.支持向量机SVM.Rattle可视化界面数据挖掘.分类模型评估指标(准确度.敏感度.特异度.PPV.NPV) 目录
logisticregression参数_通俗地说逻辑回归【Logistic regression】算法（二）sklearn逻辑回归实战...
前情提要: 通俗地说逻辑回归[Logistic regression]算法(一) 逻辑回归模型原理介绍上一篇主要介绍了逻辑回归中,相对理论化的知识,这次主要是对上篇做一点点补充,以及介绍sklear ...
l2的最优回归_【机器学习】逻辑回归（非常详细）
逻辑回归是一个非常经典的算法,其中也包含了非常多的细节,曾看到一句话:如果面试官问你熟悉哪个机器学习模型,可以说 SVM,但千万别说 LR,因为细节真的太多了. 秉持着精益求精的工匠精神不断对笔记进行 ...
机器学习学习吴恩达逻辑回归_机器学习基础：逻辑回归
机器学习学习吴恩达逻辑回归 In the previous stories, I had given an explanation of the program for implementation ...
吴恩达机器学习作业二——逻辑回归
有了作业一的铺垫,作业二的代码更容易理解了. 逻辑回归题目描述:在训练的初始阶段,我们将要构建一个逻辑回归模型来预测,某个学生是否被大学录取.设想你是大学相关部分的管理者,想通过申请学生两次测试的评 ...

达观杯_构建模型（二）逻辑回归

特征：tfidf(word+article)

特征：linearsvm-tfidf(word)+lr-tfidf(article)

达观杯_构建模型（二）逻辑回归相关推荐

最新文章

热门文章