机器学习-sklearn逻辑回归分析
来源:互联网 发布:中国产业安全数据 编辑:程序博客网 时间:2024/06/04 18:20
逻辑回归为一类分类算法,可以用于预测事件发生的概率,或者某事物属于某一类别的概率。逻辑回归是以logistic函数为基础的,该函数的取值介于0~1之间,与概率值吻合。
1.k-折交叉验证
将数据集分为k份,在k次迭代过程中,每个包会有1次被用于验证,其余用于训练。示例:
kf = KFold(n=10,n_folds=7)for train,test in kf: print(train,test)
返回训练样本与测试样本的指针。
2.实例
from sklearn.linear_model import LogisticRegressionfrom sklearn.cross_validation import KFoldfrom sklearn import datasetsimport numpy as npdef classify(x,y): clf = LogisticRegression(random_state=12) #创建分类器对象,12类似于随机数的种子 scores = [] #用于存放每次训练的精确度 kf = KFold(len(y),n_folds=10) #创建k-折交叉验证包 for train,test in kf: clf.fit(x[train],y[train]) #使用训练样本进行训练 scores.append(clf.score(x[test],y[test])); #将本次训练的平均误差保存 print(np.mean(scores)) #所有训练的平均准确性 return clfrain = np.load('rain.npy')dates = np.load('doy.npy')x = np.vstack((dates[:-1],rain[:-1]))y = np.sign(rain[1:])clf = LogisticRegression(random_state=12) # 创建分类器对象,12类似于随机数的种子clf = classify(x.T,y) print(clf.predict_proba([1,0])) #进行预测
阅读全文
0 0
- 机器学习-sklearn逻辑回归分析
- 【机器学习 sklearn】逻辑斯蒂回归模型--Logistics regression
- 机器学习中的Logistics逻辑回归分析
- 机器学习之逻辑回归和softmax回归及sklearn和tensorflow代码示例
- 机器学习-逻辑回归
- 机器学习:逻辑回归
- 机器学习---逻辑回归
- 【机器学习】逻辑回归
- 机器学习----逻辑回归
- 机器学习 逻辑回归
- 机器学习:逻辑回归
- 机器学习--逻辑回归
- 机器学习-逻辑回归
- 机器学习-- 逻辑回归
- 机器学习-逻辑回归
- 机器学习-逻辑回归
- 【机器学习】--逻辑回归
- 机器学习逻辑回归模型总结——从原理到sklearn实践
- iOS应用性能调优的25个建议和技巧
- C语言编译lib库手动添加
- 栈的应用:中缀和后缀表达式的转换及计算
- Legal or Not 【topo 判定是否有环】
- 日常小记
- 机器学习-sklearn逻辑回归分析
- 学习笔记——JavaEE基础<2>javascript基础
- 剑指offer 面试题58 二叉树的下一个结点
- 修改开机启动脚本、修改IP
- MyEclipse使用Maven创建web项目+搭建SSM框架教
- Lua 字符串实践 -- 过滤词库算法
- 队列和循环队列的实现
- 电脑重装系统(win7)
- 设计模式之策略模式