多项逻辑回归python代码
时间: 2023-08-21 13:14:28 浏览: 104
逻辑回归代码及实验分析
当然,下面是一个示例的多项逻辑回归的Python代码:
```pythonimport numpy as npfrom sklearn.datasets import make_classificationfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import accuracy_score# 创建一个随机的二分类数据集X, y = make_classification(n_samples=100, n_features=5, random_state=42)
# 将数据集分为训练集和测试集X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建并拟合多项逻辑回归模型model = LogisticRegression(multi_class='multinomial', solver='saga')
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(f"准确率: {accuracy}")
```
这段代码使用了`scikit-learn`库中的`LogisticRegression`类来实现多项逻辑回归。首先,我们生成一个随机的二分类数据集。然后,将数据集分为训练集和测试集。接下来,创建一个多项逻辑回归模型,并使用训练集对其进行拟合。最后,使用测试集进行预测,并计算准确率。
请注意,这只是一个简单的示例代码,实际使用时可能需要根据具体情况进行调整和优化。
阅读全文