python skylearnライブラリの単純な論理回帰を実現する例示的なコード

Sklearn概要
Scity-learnはマシン学習でよく使われる第三者モジュールであり、一般的なマシン学習方法をカプセル化し、回帰、降維、分類、クラスタリングなどの方法を含む。私たちは機械学習の問題に直面する時、下の図によって相応の方法を選ぶことができます。
Sklearnは以下の特徴を持っています。

シンプルで効率的なデータマイニングとデータ解析ツール

は、各人が複雑な環境で

を繰り返し使用できるようにする。

NumPy、Scippy、MatPlotLibの上に

を創立します。
コードは以下の通りです。

import xlrd
import matplotlib.pyplot as plt
import numpy as np
from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
from sklearn import metrics
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)
#       
X = np.array([Density, Sugar])
# y    (17,)
y = np.array(Res)
X = X.reshape(17,2)
#       
f1 = plt.figure(1)
plt.title('watermelon_3a')
plt.xlabel('density')
plt.ylabel('ratio_sugar')
#      （x    ，y     ）
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 = 'upper right')
plt.show()
#                 ，         
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.5, random_state=0)
#       
log_model = LogisticRegression()
#         
log_model.fit(X_train, y_train)
#   y  
y_pred = log_model.predict(X_test)
#       
print(metrics.confusion_matrix(y_test, y_pred))
print(metrics.classification_report(y_test, y_pred))

締め括りをつける
以上は小编が绍介したpython slearnライブラリの简単なロジック回帰を実现するコードの実例です。皆さんに助けてほしいです。もし何か疑问があれば、メッセージをください。小编はすぐに返事します。ここでも私たちのサイトを応援してくれてありがとうございます。
本文があなたのためになると思ったら、転載を歓迎します。出所を明記してください。ありがとうございます。