逻辑回归高斯分布python
时间: 2023-11-12 20:07:22 浏览: 99
逻辑回归是一种二分类算法,它的输出是一个概率值,表示样本属于正类的概率。在逻辑回归中,通常假设样本的输出服从伯努利分布,而输入特征的条件概率分布则假设为高斯分布。在Python中,可以使用scikit-learn库中的LogisticRegression类来实现逻辑回归模型。
具体来说,可以通过设置LogisticRegression类的参数solver为'liblinear',penalty为'l2',来实现基于L2正则化的逻辑回归模型。同时,可以通过设置LogisticRegression类的参数C来控制正则化强度。
下面是一个示例代码:
```python
from sklearn.linear_model import LogisticRegression
# 构造训练数据
X_train = [[0.5], [0.8], [1.0], [1.2], [1.5], [1.7], [2.0], [2.2], [2.5], [2.8]]
y_train = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]
# 构造逻辑回归模型
clf = LogisticRegression(solver='liblinear', penalty='l2', C=1.0)
# 训练模型
clf.fit(X_train, y_train)
# 预测新数据
X_new = [[1.3], [2.7]]
y_pred = clf.predict(X_new)
print(y_pred)
```
输出结果为:
```
[0 1]
```
表示模型预测第一个新样本属于负类,第二个新样本属于正类。
阅读全文