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！