python实现MNL

MNL（多项式Logistic回归）是一种常用于多分类问题的模型，可以使用Python中的sklearn库中的LogisticRegression类来实现。

以下是一个简单的例子：

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris

# 加载数据集
iris = load_iris()

# 创建模型对象，设置参数
mnl = LogisticRegression(multi_class='multinomial', solver='lbfgs', max_iter=1000)

# 训练模型
mnl.fit(iris.data, iris.target)

# 预测结果
pred = mnl.predict(iris.data)

# 输出准确率
print('Accuracy:', mnl.score(iris.data, iris.target))

在上面的例子中，我们使用了sklearn自带的鸢尾花数据集进行训练和测试，使用了lbfgs求解器来求解模型参数。需要注意的是，由于LogisticRegression默认使用的是二元Logistic回归模型，因此需要通过设置multi_class参数为'multinomial'来使用MNL模型。