Логистическая регрессия машинного обучения Python: упражнение 3 с решением
В статистическом моделировании регрессионный анализ — это набор статистических процессов для оценки взаимосвязей между переменными. Он включает в себя множество методов моделирования и анализа нескольких переменных, когда основное внимание уделяется взаимосвязи между зависимой переменной и одной или несколькими независимыми переменными (или «предикторами»).
Напишите программу на Python, чтобы получить точность логистической регрессии.
Пример решения:
Код Python:
import pandas as pdfrom sklearn.model_selection import train_test_split from sklearn import metricsfrom sklearn.linear_model import LogisticRegressioniris = pd.read_csv ("iris.csv") # Drop id columniris = iris.drop ('Id', axis = 1) X = iris.iloc [:,: -1] .valuesy = iris.iloc [:, 4] .values # Разделение массивов или матриц на обучающие и тестовые подмножества X_train, X_test, y_train, y_test = train_test_split (X, y, test_size = 0.20) model = LogisticRegression (random_state = 0, solver = 'lbfgs', multi_class = 'multinomial'). fit (X, y) model.fit (X_train, y_train) prediction = model. pred (X_test) print ('Точность логистической регрессии равна', metrics.accu racy_score (прогноз, y_test))
Вывод:
Точность логистической регрессии составляет 0,9333333333333333
Редактор кода Python:
