lgr模型python使用
时间: 2024-01-18 11:41:50 浏览: 23
LGR(Logistic Regression)模型是一种分类模型,用于预测二元和多元分类问题。在Python中,可以使用scikit-learn库中的LogisticRegression类来实现LGR模型。
以下是使用LGR模型进行分类任务的示例:
首先,导入必要的库和数据集:
```python
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target
```
接着,将数据集拆分为训练集和测试集:
```python
# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
```
然后,创建LGR模型并拟合训练数据:
```python
# 创建LGR模型
clf = LogisticRegression()
# 拟合模型
clf.fit(X_train, y_train)
```
最后,使用测试集评估模型的性能:
```python
# 预测测试集
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = clf.score(X_test, y_test)
print("Accuracy:", accuracy)
```
完整的代码如下:
```python
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target
# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
# 创建LGR模型
clf = LogisticRegression()
# 拟合模型
clf.fit(X_train, y_train)
# 预测测试集
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = clf.score(X_test, y_test)
print("Accuracy:", accuracy)
```
输出结果:
```
Accuracy: 0.9777777777777777
```
这表示模型在测试集上的准确率为97.78%。