时间:2021-05-22
线性逻辑回归
本文用代码实现怎么利用sklearn来进行线性逻辑回归的计算,下面先来看看用到的数据。
这是有两行特征的数据,然后第三行是数据的标签。
python代码
首先导入包和载入数据
写一个画图的函数,把这些数据表示出来:
然后我们调用这个函数得到下面的图像:
接下来开始创建模型并拟合,然后调用sklearn里面的逻辑回归方法,里面的函数可以自动帮算出权值和偏置值,非常简单,接着画出图像。
最后我们可以来看看评估值:
可以看到,正确率、召回率、F1值都达到了95%。
非线性逻辑回归
非线性逻辑回归意味着决策边界是曲线,和线性逻辑回归的原理是差不多的,这里用到的数据是datasets自动生成的,
接下来要把数据进行多项式处理,简单地说就是增加数据的特征,
然后规定好图像的坐标值,并生成一个网格矩阵,
定义一个等高线的高,
结果一目了然,很好的分成了两类:
看一下准确率,98%,说明算比较成功,准确率很高。
线性逻辑回归和非线性逻辑回归用到的代价函数都是一样的,原理相同,只不过是预估函数的复杂度不一样,非线性逻辑回归要对数据进行多项式处理,增加数据的特征量。
到此这篇关于sklearn线性逻辑回归和非线性逻辑回归的实现的文章就介绍到这了,更多相关sklearn线性逻辑回归和非线性逻辑回归内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python使用sklearn实现的各种回归算法。分享给大家供大家参考,具体如下:使用sklearn做各种回归基本回归:线性、决策树、SVM、KN
逻辑回归适用类型:解决二分类问题逻辑回归的出现:线性回归可以预测连续值,但是不能解决分类问题,我们需要根据预测的结果判定其属于正类还是负类。所以逻辑回归就是将线
一、线性回归的理论1)线性回归的基本概念线性回归是一种有监督的学习算法,它介绍的自变量的和因变量的之间的线性的相关关系,分为一元线性回归和多元的线性回归。一元线
前面文章分别简单介绍了线性回归,逻辑回归,贝叶斯分类,并且用python简单实现。这篇文章介绍更简单的knn,k-近邻算法(kNN,k-NearestNeigh
前言说到如何用Python执行线性回归,大部分人会立刻想到用sklearn的linear_model,但事实是,Python至少有8种执行线性回归的方法,skl