Python全系列 教程
3567个小节阅读:5931.4k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
在sklearn中,实现逻辑回归使用的是sklearn.linear_model.LogisticRegression
xxxxxxxxxx
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
# 自己编造一些数据
np.random.seed(666)
X = np.random.normal(0, 1, size=(200, 2)) # 样本特征
y = np.array((X[:,0]**2+X[:,1])<1.5, dtype='int') # 样本标签
for _ in range(20):
y[np.random.randint(200)] = 1 # 随机改变样本标签值
# 散点图观察
plt.scatter(X[y==0,0], X[y==0,1])
plt.scatter(X[y==1,0], X[y==1,1])
plt.show()
# 数据集拆分
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=666)
# 使用逻辑回归进行二分类
from sklearn.linear_model import LogisticRegression
log = LogisticRegression() # 逻辑回归算法对象
log.fit(X_train,y_train) # 通过训练样本集拟合(学习)
print(log.score(X_test,y_test)) # 在测试集上评估模型
1.实现逻辑回归,使用sklearn中的:
A LinearRegression
B LogisticRegression
C KNeighborsClassifier
D 以上均不正确
1=>B