python sklearn库实现简单逻辑回归的实例代码
Sklearn简介
Scikit-learn(sklearn)是机器学习中常用的第三方模块,对常用的机器学习方法进行了封装,包括回归(Regression)、降维(DimensionalityReduction)、分类(Classfication)、聚类(Clustering)等方法。当我们面临机器学习问题时,便可根据下图来选择相应的方法。
Sklearn具有以下特点:
- 简单高效的数据挖掘和数据分析工具
- 让每个人能够在复杂环境中重复使用
- 建立NumPy、Scipy、MatPlotLib之上
代码如下所示:
importxlrd importmatplotlib.pyplotasplt importnumpyasnp fromsklearnimportmodel_selection fromsklearn.linear_modelimportLogisticRegression fromsklearnimportmetrics data=xlrd.open_workbook('gua.xlsx') sheet=data.sheet_by_index(0) Density=sheet.col_values(6) Sugar=sheet.col_values(7) Res=sheet.col_values(8) #读取原始数据 X=np.array([Density,Sugar]) #y的尺寸为(17,) y=np.array(Res) X=X.reshape(17,2) #绘制分类数据 f1=plt.figure(1) plt.title('watermelon_3a') plt.xlabel('density') plt.ylabel('ratio_sugar') #绘制散点图(x轴为密度,y轴为含糖率) plt.scatter(X[y==0,0],X[y==0,1],marker='o',color='k',s=100,label='bad') plt.scatter(X[y==1,0],X[y==1,1],marker='o',color='g',s=100,label='good') plt.legend(loc='upperright') plt.show() #从原始数据中选取一半数据进行训练,另一半数据进行测试 X_train,X_test,y_train,y_test=model_selection.train_test_split(X,y,test_size=0.5,random_state=0) #逻辑回归模型 log_model=LogisticRegression() #训练逻辑回归模型 log_model.fit(X_train,y_train) #预测y的值 y_pred=log_model.predict(X_test) #查看测试结果 print(metrics.confusion_matrix(y_test,y_pred)) print(metrics.classification_report(y_test,y_pred))
总结
以上所述是小编给大家介绍的pythonsklearn库实现简单逻辑回归的实例代码,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!