帮我写一个用Python写的logistics回归模型,可以查看回归系数的,不要调包
时间: 2024-04-29 10:24:08 浏览: 77
好的,下面是一个简单的logistic回归模型示例,可以输出回归系数:
```python
import numpy as np
class LogisticRegression:
def __init__(self, lr=0.01, num_iter=100000, fit_intercept=True, verbose=False):
self.lr = lr
self.num_iter = num_iter
self.fit_intercept = fit_intercept
self.verbose = verbose
def __add_intercept(self, X):
intercept = np.ones((X.shape[0], 1))
return np.concatenate((intercept, X), axis=1)
def __sigmoid(self, z):
return 1 / (1 + np.exp(-z))
def __loss(self, h, y):
return (-y * np.log(h) - (1 - y) * np.log(1 - h)).mean()
def fit(self, X, y):
if self.fit_intercept:
X = self.__add_intercept(X)
self.theta = np.zeros(X.shape[1])
for i in range(self.num_iter):
z = np.dot(X, self.theta)
h = self.__sigmoid(z)
gradient = np.dot(X.T, (h - y)) / y.size
self.theta -= self.lr * gradient
if self.verbose and i % 10000 == 0:
z = np.dot(X, self.theta)
h = self.__sigmoid(z)
print(f'loss: {self.__loss(h, y)} \t')
def predict_prob(self, X):
if self.fit_intercept:
X = self.__add_intercept(X)
return self.__sigmoid(np.dot(X, self.theta))
def predict(self, X, threshold=0.5):
return self.predict_prob(X) >= threshold
def get_coefficients(self):
return self.theta
```
这个模型使用了梯度下降法来进行训练,可以通过 `fit` 方法传入训练数据 `X` 和标签 `y` 来进行训练,然后使用 `predict_prob` 方法来进行预测并返回预测概率,使用 `predict` 方法来进行二分类预测并返回预测结果。最后,使用 `get_coefficients` 方法来获取训练好的回归系数。
阅读全文