sklearn中分类算法Logistic Regression
时间: 2023-07-24 07:06:17 浏览: 107
基于Logistic Regression的分类器设计1
Logistic Regression(逻辑回归)是一种分类算法,主要用于二分类问题。其基本思想是将输入特征和权重线性组合起来,然后通过一个sigmoid函数将结果映射到0和1之间,即得到预测结果。
在sklearn中,可以使用LogisticRegression模型来实现逻辑回归算法。该模型提供了多种参数设置,例如正则化项系数、最大迭代次数、优化算法等。
下面是一个简单的示例代码,演示如何使用LogisticRegression模型进行二分类任务:
```python
from sklearn.linear_model import LogisticRegression
# 构造数据
X = [[0.5, 1], [1, 1], [1.5, 2], [3, 4], [4, 3], [5, 3]]
y = [0, 0, 0, 1, 1, 1]
# 训练模型
model = LogisticRegression()
model.fit(X, y)
# 预测新数据
X_new = [[2, 2], [3, 3]]
y_new = model.predict(X_new)
print(y_new)
```
在上述代码中,我们首先构造了一个二分类任务的数据集,然后使用LogisticRegression模型拟合数据,最后使用模型对两个新数据进行预测。运行代码后,可以得到预测结果为[0, 1],分别代表两个新数据的类别。
阅读全文