python 多分类logistic回归
时间: 2023-07-25 17:44:47 浏览: 171
Python语言描述机器学习之Logistic回归算法
多分类logistic回归可以使用Scikit-learn库中的LogisticRegression模型来实现。以下是一个简单的例子:
```python
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载鸢尾花数据集
iris = load_iris()
X, y = iris.data, iris.target
# 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)
# 定义LogisticRegression模型,并进行训练
clf = LogisticRegression(multi_class='multinomial', solver='newton-cg')
clf.fit(X_train, y_train)
# 在测试集上进行预测,并计算准确率
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)
```
在上面的例子中,首先加载了Scikit-learn库中的Iris数据集,然后将数据集划分为训练集和测试集。接着定义了LogisticRegression模型,并使用训练集进行训练。最后在测试集上进行预测,并计算准确率。
需要注意的是,多分类logistic回归需要指定multi_class参数为'multinomial',solver参数为'newton-cg'或'lbfgs'。另外,如果数据集较大,可以使用solver='sag'参数来加快训练速度。
阅读全文