高端网站设计平台,网站建设客户源,南宁百度做网站多少钱,网站开发的技术支撑 经验能力导入的数据说明
因为气候不同#xff0c;造就性不同#xff0c;统计鸢尾花的关键特征数据#xff1a;花萼长度、花萼宽度、花瓣长度#xff0c;花瓣宽度 植物学家划分#xff1a; setosa(中文名#xff1a;山鸢尾) versicolor(中文名#xff1a;杂色鸢尾) virginica(中…导入的数据说明
因为气候不同造就性不同统计鸢尾花的关键特征数据花萼长度、花萼宽度、花瓣长度花瓣宽度 植物学家划分 setosa(中文名山鸢尾) versicolor(中文名杂色鸢尾) virginica(中文名弗吉尼亚鸢尾) 鸢尾花数据集中每个样本包含有四个特种花萼长度、花萼宽度、花瓣长度花瓣宽度用于对鸢尾花的分类
导入包
import numpy as np
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split# 1、数据加载
iris datasets.load_iris()X iris[data]
y iris[target]
cond y ! 2 # 筛选出0和1
X X[cond]
y y[cond]# 数据拆分
X_train,X_test,y_train,y_test train_test_split(X,y)
display(y)模型的创建和模型预测
model LogisticRegression()
model.fit(X_train,y_train)
y_pred model.predict(X_test) # 预测分类结果
print(算法预测结果是,y_pred)
print(真实的类别是,y_test)
print(model.score(X_test,y_test))p_ model.predict_proba(X_test)
p_(p_[:,1] 0.5) * 1(p_[:,1] 0.5) * 13.2 根据公式手动计算 z − θ T x z -\theta^Tx z−θTx
# 线性回归方程
b model.intercept_
w model.coef_
print(b, w)# 逻辑回归函数 ,z表示线性回归方程
def sigmoid(z):return 1 / (1 np.exp(-z))
如果直接使用w则会出现形状不匹配的报错的情况出现这个时候需要进行转至
# 转至前
print(w.shape)
# 转至后
print(w.T.shape)线性方程 乘法
z (X_test.dot(w.T) b)
proba_ sigmoid(z)
proba_ np.c_[proba_,1-proba_]
proba_和上面的预测数据进行对比结果一致
愿君前程似锦未来可期去,感谢您的阅读如果对您有用希望您留下宝贵的点赞和收藏 本文章为本人学习笔记如有请侵权联系本人会立即删除侵权文章。可以一起学习共同进步谢谢如有请侵权联系本人会立即删除侵权文章。
