亲宝软件园·资讯

展开

sklearn线性逻辑回归和非线性逻辑回归 sklearn线性逻辑回归和非线性逻辑回归的实现

iownlucky 人气:0

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。

加载全部内容

相关教程
猜你喜欢
用户评论