python二元logistic回归
时间: 2023-08-21 20:17:11 浏览: 68
二元 logistic 回归是一种用于解决二分类问题的机器学习算法。它基于 logistic 函数(也称为 sigmoid 函数)来建模,将输入特征映射到一个介于 0 和 1 之间的概率值,表示样本属于某一类的概率。
在 Python 中,你可以使用多种库来实现二元 logistic 回归,其中最常用的是 scikit-learn。下面是一个简单的示例代码:
```python
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 假设你的数据集已经准备好了,特征矩阵为 X,标签为 y
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建 LogisticRegression 模型对象
model = LogisticRegression()
# 拟合模型
model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = model.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
这段代码首先导入了需要的库,然后使用 `train_test_split` 函数将数据集划分为训练集和测试集。接下来,创建一个 `LogisticRegression` 模型对象,并使用训练集进行拟合。然后,利用模型对测试集进行预测,并计算准确率。
当然,这只是一个简单的示例,你可以根据实际情况进行模型的调参和性能评估。希望对你有所帮助!如果有更多问题,请继续提问。