Python 分类算法（1）——逻辑回归logistic regression之代码实现（2）

在上一节中，根据逻辑回归的原理，利用python编写了实现线性分类的代码。

Python 分类算法（1）——逻辑回归logistic regression之代码实现（1）

本节中，直接调用sklearn中的逻辑回归函数，还是利用上节中的数据，完成数据分类。

import numpy as np
import pandas as pd
scatterdata=pd.read_csv("C:/Users/Ray/Desktop/logistic regression/data3.csv",header=None)#
# scatterdata.head()
data=np.array(scatterdata)
# print(data[:,1])

x=data[:,0:2]
y=data[:,2]
# print(x.shape)

调用sklearn中的逻辑回归函数

from sklearn.linear_model import LogisticRegression
from sklearn import metrics
logmodel=LogisticRegression()
logmodel.fit(x,y)
y_pre=logmodel.predict(x)

from sklearn.metrics import confusion_matrix
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
mat = confusion_matrix(y,y_pre)
sns.heatmap(mat, square=True, annot=True, cbar=False)
plt.xlabel('预测值')
plt.ylabel('真实值');

print(mat)
print(metrics.classification_report(y, y_pre))
from sklearn.metrics import accuracy_score
print('分类精度为:',accuracy_score(y,y_pre))

根据上面的结果利用contourf绘制分隔线。

from matplotlib.colors import ListedColormap
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
def plot_decision_regions(X, y, classifier, test_idx=None, resolution=0.02):markers = ('s', 'x', 'o', '^', 'v')colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')cmap = ListedColormap(colors[:len(np.unique(y))])x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution),np.arange(x2_min, x2_max, resolution))Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)Z = Z.reshape(xx1.shape)plt.contourf(xx1, xx2, Z, alpha=0.3, cmap=cmap)pos=where(y==1)neg=where(y==0)plt.scatter(x[pos[0],0],x[pos[0],1],marker='o',c='b')plt.scatter(x[neg[0],0],x[neg[0],1],marker='x',c='r')plt.xlim(xx1.min(), xx1.max())plt.ylim(xx2.min(), xx2.max())

plot_decision_regions(X=x, y=y, classifier=logmodel)

上节中的分类效果如下图所示

Python 分类算法（1）——逻辑回归logistic regression之代码实现（2）相关推荐

逻辑回归(Logistic Regression, LR)又称为逻辑回归分析，是分类和预测算法中的一种。通过历史数据的表现对未来结果发生的概率进行预测。例如，我们可以将购买的概率设置为因变量，将用户的
逻辑回归(Logistic Regression, LR)又称为逻辑回归分析,是分类和预测算法中的一种.通过历史数据的表现对未来结果发生的概率进行预测.例如,我们可以将购买的概率设置为因变量,将用户的 ...
机器学习笔记04：逻辑回归(Logistic regression)、分类(Classification)
之前我们已经大概学习了用线性回归(Linear Regression)来解决一些预测问题,详见: 1.<机器学习笔记01:线性回归(Linear Regression)和梯度下降(Gradien ...
CS229学习笔记(3)逻辑回归(Logistic Regression)
1.分类问题你要预测的变量yyy是离散的值,我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法,这是目前最流行使用最广泛的一种学习算法. 从二元的分类问题开始讨论. 我们 ...
逻辑回归(Logistic Regression
6.1 分类问题参考文档: 6 - 1 - Classification (8 min).mkv 在这个以及接下来的几个视频中,开始介绍分类问题. 在分类问题中,你要预测的变量 y y y 是离散的 ...
吴恩达机器学习 8.6 逻辑回归(Logistic Regression)
6.1 分类问题参考文档: 6 - 1 - Classification (8 min).mkv 在这个以及接下来的几个视频中,开始介绍分类问题. 在分类问题中,你要预测的变量 $y$ 是离散的值, ...
Coursera公开课笔记: 斯坦福大学机器学习第六课“逻辑回归(Logistic Regression)”
Coursera公开课笔记: 斯坦福大学机器学习第六课"逻辑回归(Logistic Regression)" 斯坦福大学机器学习第六课"逻辑回归"学习笔记,本次 ...
斯坦福大学机器学习第四课“逻辑回归(Logistic Regression)”
斯坦福大学机器学习第四课"逻辑回归(Logistic Regression)" 本次课程主要包括7部分: 1) Classification(分类) 2) Hypothesis R ...
逻辑回归(logistic regression)的本质——极大似然估计
文章目录 1 前言 2 什么是逻辑回归 3 逻辑回归的代价函数 4 利用梯度下降法求参数 5 结束语 6 参考文献 1 前言逻辑回归是分类当中极为常用的手段,因此,掌握其内在原理是非常必要的.我会争 ...
线性回归 Linear Regression 与逻辑回归 Logistic Regression
1 线性回归 Linear Regression 理论线性回归模型研究多个变量x与y之间的关系,通过回归模型预测位置样本的数据. 假设函数损失函数损失函数寻优,最小二乘法即: 注:最小二乘法需 ...
札记_ML——《统计学习方法》逻辑回归logistic regression)
统计学习方法:五. 逻辑回归logistic regression 逻辑回归logistic regression Logistic的起源 1).概念logistic回归又称logistic回归分析, ...

Python 分类算法（1）——逻辑回归logistic regression之代码实现（2）

Python 分类算法（1）——逻辑回归logistic regression之代码实现（2）相关推荐

最新文章

热门文章