python 逻辑回归结果_Python----逻辑回归_weixin_39833270的博客-程序员宅基地

技术标签: python 逻辑回归结果  

#导入标注库

importnumpy as npimportmatplotlib.pyplot as pltimportpandas as pd#导入数据

dataset = pd.read_csv('Data.csv')

X= dataset.iloc[:, [2,3]].values

y= dataset.iloc[:, 4].values#将导入的数据集分为训练集和测试集

from sklearn.model_selection importtrain_test_split

X_train, X_test, y_train, y_test= train_test_split(X, y, test_size = 0.25, random_state =0)#特征缩放

from sklearn.preprocessing importStandardScaler

sc_X=StandardScaler()

X_train=sc_X.fit_transform(X_train)

X_test=sc_X.transform(X_test)#训练集拟合逻辑回归的分类器#从模型的标准库中导入逻辑分类的类

from sklearn.linear_model importLogisticRegression#创建变量,初始分类器

classifier = LogisticRegression(random_state =0)#运用训练集拟合分类器

classifier.fit(X_train, y_train)#运用拟合好的分类器预测测试集的结果情况#创建变量(包含预测出的结果)

y_pred =classifier.predict(X_test)#通过测试的结果评估分类器的性能#用混淆矩阵,评估性能#65,24对应着正确的预测个数;8,3对应错误预测个数;拟合好的分类器正确率:(65+24)/100

from sklearn.metrics importconfusion_matrix

cm=confusion_matrix(y_test, y_pred)#在图像看分类结果(训练集)

from matplotlib.colors importListedColormap#创建变量

X_set, y_set =X_train, y_train#x1,x2对应图中的像素;最小值-1,最大值+1,-1和+1是为了让图的边缘留白,像素之间的距离0.01;第一行年龄,第二行年收入

X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0].min() - 1, stop = X_set[:, 0].max() + 1, step = 0.01),

np.arange(start= X_set[:, 1].min() - 1, stop = X_set[:, 1].max() + 1, step = 0.01))#将不同像素点涂色,用拟合好的分类器预测每个点所属的分类并且根据分类值涂色

plt.contourf(X1, X2, classifier.predict(np.array([X1.ravel(), X2.ravel()]).T).reshape(X1.shape),

alpha= 0.75, cmap = ListedColormap(('red', 'green')))#标注最大值及最小值

plt.xlim(X1.min(), X1.max())

plt.ylim(X2.min(), X2.max())#为了滑出实际观测的点(黄、蓝)

for i, j inenumerate(np.unique(y_set)):

plt.scatter(X_set[y_set== j, 0], X_set[y_set == j, 1],

c= ListedColormap(('orange', 'blue'))(i), label =j)

plt.title('Logistic Regression (Training set)')

plt.xlabel('Age')

plt.ylabel('Estimated Salary')#显示不同的点对应的值

plt.legend()#生成图像

plt.show()#在图像看分类结果(测试集)

from matplotlib.colors importListedColormap

X_set, y_set=X_test, y_test

X1, X2= np.meshgrid(np.arange(start = X_set[:, 0].min() - 1, stop = X_set[:, 0].max() + 1, step = 0.01),

np.arange(start= X_set[:, 1].min() - 1, stop = X_set[:, 1].max() + 1, step = 0.01))

plt.contourf(X1, X2, classifier.predict(np.array([X1.ravel(), X2.ravel()]).T).reshape(X1.shape),

alpha= 0.75, cmap = ListedColormap(('red', 'green')))

plt.xlim(X1.min(), X1.max())

plt.ylim(X2.min(), X2.max())for i, j inenumerate(np.unique(y_set)):

plt.scatter(X_set[y_set== j, 0], X_set[y_set == j, 1],

c= ListedColormap(('orange', 'blue'))(i), label =j)

plt.title('Logistic Regression (Test set)')

plt.xlabel('Age')

plt.ylabel('Estimated Salary')

plt.legend()

plt.show()"""逻辑回归的模板:

导入标注库

导入数据

将导入的数据分成训练集、测试集

进行必要的特征缩放

创建分类器,并将训练集拟合分类器

分类器预测测试集样品的所属类别

得到预测的结果,创建混淆矩阵,评估分类器的性能

将分类结果通过图像直观展现,并且在图像上显示训练集和测试集的结果"""

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_39833270/article/details/111024662

智能推荐

Python配置Qt Designer与PyUIC_热心市民付先生的博客-程序员宅基地_python pyuic

Python配置Qt Designer与PyUIC安装pyqt相关包pip install pyqtpip install pyqt5-toolsPyCharm中选择相应的python解释器3. 添加外部工具名称填写自己方便易记得即可,我的名称添加为QTDesigner程序选择designer.exe,位置为当前解释器路径下的Lib\site-packages\pyqt5-tools\designer.exe工作目录为当前项目文件的目录添加选择完毕界面为:确定即可,再次

关于WebSocket_彪彪_的博客-程序员宅基地

原文链接:https://www.liaoxuefeng.com/wiki/1022910821149312/1103303693824096WebSocket是HTML5新增的协议,它的目的是在浏览器和服务器之间建立一个不受限的双向通信的通道,比如说,服务器可以在任意时刻发送消息给浏览器。为什么传统的HTTP协议不能做到WebSocket实现的功能?这是因为HTTP协议是一个请求-响应协议,...

FineUI初学手册_star_2008_的博客-程序员宅基地

女朋友鄙视我原创少...1.下载 进入官方论坛:http://www.fineui.com/bbs/要用到下载源代码和空项目下载http://fineui.codeplex.com/http://fineui.com/bbs/forum.php?mod=viewthread&tid=2123源代码直接下载,注意FineUI版本空项目里下载 对应版本的空项

NSStringDrawingOptions_yinachong的博客-程序员宅基地

NSStringDrawingTruncatesLastVisibleLine:如果文本内容超出指定的矩形限制,文本将被截去并在最后一个字符后加上省略号。如果没有指定NSStringDrawingUsesLineFragmentOrigin选项,则该选项被忽略。NSStringDrawingUsesLineFragmentOrigin:绘制文本时使用 line fragement or

条件注解@ConditionalOnBean失效原因_zhm_sky的博客-程序员宅基地_conditionalonbean不生效

测试环境(配置类)@Import({User.class,Pet.class})@Configuration(proxyBeanMethods = true)public class MyConfig { @Bean @ConditionalOnBean(name = "cat") public User user(){ return new User("航书", 12); } @Bean("cat") public

一重指针、二重指针做函数参数的深刻分析(虽然很基础,但要深刻理解)_ShenHang_的博客-程序员宅基地

一重指针做函数参数#include<iostream>using namespace std;void change(int *p){ *p = 20; p++; cout << p << endl;}int main() { int a = 10; change(&a); cout << &a <&lt...

随便推点

vassist的安装_kgduu的博客-程序员宅基地

在网上下载vassist安装压缩文件。1、运行VA_X_Setup

全方位讲解VoIP 的原理及技术知识_demon_evil的博客-程序员宅基地_voip工作原理

通过因特网进行语音通信是一个非常复杂的系统工程,其应用面很广,因此涉及的技术也特别多,其中最根本的技术是VoIP (Voice over IP)技术,可以说,因特网语音通信是VoIP技术的一个最典型的、也是最有前景的应用领域。因此在讨论用因特网进行语音通信之前,有必要首先分析VoIP的基本原理,以及VoIP中的相关技术问题。一、VoIP的基本传输过程传统的电话网是以电路交换方式传输语音,所要求的传

安卓设备抓包_Japher的博客-程序员宅基地

命令: adb shell su mount -o remount rw(空格)/  /data/local/tcpdump -p -vv -s 0 -w /sdcard/capture.pcap   

oracle设置core文件大小,Linux的Core文件设置与调试_李daxin的博客-程序员宅基地

一、运行时错误任何人写程序都会出错,正如《C++编程规范》所说,真正可怕的错误不是编译时的错误,而是运行时错误。有的程序可以通过编译, 但在运行时会出现Segment fault(段错误)这通常都是指针错误(一般就是空指针)引起的,或者访问了不能访问的内存(数组越界,系统保护)二、core文件我们不可能用GDB一句一句的去找,真正的英雄都善于使用手中的武器。这就是core file所谓core,就...

redis客户端连接遇到的坑,记录一下_choujulong7459的博客-程序员宅基地

期间出现的错误如下:1.connect timeout2.connect refused3.遗失对主机的连接denied redis is running in protected mode。。。。。。总结处理这些报错的步骤:1.关闭centos防火墙2.修改redis.conf文...