多元logistic回归代码
时间: 2024-06-23 22:01:16 浏览: 144
多元逻辑回归(Multinomial Logistic Regression)是一种用于分类问题的统计模型,尤其适用于类别数大于2的情况。在Python中,我们可以使用`sklearn`库中的`LogisticRegression`类来实现多元逻辑回归。以下是一个简单的代码示例:
```python
# 导入所需的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn import metrics
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = 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)
# 创建一个多元逻辑回归模型,设置multi_class参数为'categorical'
model = LogisticRegression(multi_class='categorical', solver='lbfgs')
# 训练模型
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
# 评估模型性能
accuracy = metrics.accuracy_score(y_test, y_pred)
confusion_matrix = metrics.confusion_matrix(y_test, y_pred)
print("Accuracy:", accuracy)
print("Confusion Matrix:\n", confusion_matrix)
```
在这个例子中,我们首先加载了鸢尾花数据集,然后将其分为训练集和测试集。然后创建了一个`LogisticRegression`对象,并设置了`multi_class`参数为`'categorical'`,这表明我们处理的是多个类别的分类问题。接着训练模型并进行预测,最后计算了准确率和混淆矩阵来评估模型性能。
阅读全文