机器学习-sklearn逻辑回归分析
2017-06-18 19:45
423 查看
逻辑回归为一类分类算法,可以用于预测事件发生的概率,或者某事物属于某一类别的概率。逻辑回归是以logistic函数为基础的,该函数的取值介于0~1之间,与概率值吻合。
1.k-折交叉验证
将数据集分为k份,在k次迭代过程中,每个包会有1次被用于验证,其余用于训练。示例:
返回训练样本与测试样本的指针。
2.实例
1.k-折交叉验证
将数据集分为k份,在k次迭代过程中,每个包会有1次被用于验证,其余用于训练。示例:
kf = KFold(n=10,n_folds=7) for train,test in kf: print(train,test)
返回训练样本与测试样本的指针。
2.实例
from sklearn.linear_model import LogisticRegression from sklearn.cross_validation import KFold from sklearn import datasets import numpy as np def classify(x,y): clf = LogisticRegression(random_state=12) #创建分类器对象,12类似于随机数的种子 scores = [] #用于存放每次训练的精确度 kf = KFold(len(y),n_folds=10) #创建k-折交叉验证包 for train,test in kf: clf.fit(x[train],y[train]) #使用训练样本进行训练 scores.append(clf.score(x[test],y[test])); #将本次训练的平均误差保存 print(np.mean(scores)) #所有训练的平均准确性 return clf rain = np.load('rain.npy') dates = np.load('doy.npy') x = np.vstack((dates[:-1],rain[:-1])) y = np.sign(rain[1:]) clf = LogisticRegression(random_state=12) # 创建分类器对象,12类似于随机数的种子 clf = classify(x.T,y) print(clf.predict_proba([1,0])) 4000 #进行预测
相关文章推荐
- [置顶] 【机器学习 sklearn】逻辑斯蒂回归模型--Logistics regression
- 【机器学习经典算法源码分析系列】-- 逻辑回归
- scikit-learn机器学习(三)--逻辑回归和线性判别分析LDA
- sklearn分类器算法:逻辑回归及案例分析
- 【机器学习-西瓜书】三、逻辑回归(LR);线性判别分析(LDA)
- 机器学习教程之3-逻辑回归(logistic regression)的sklearn实现
- 机器学习—高斯判别分析、朴素贝叶斯和逻辑回归
- [深度学习]Python/Theano实现逻辑回归网络的代码分析
- 逻辑回归分析
- 机器学习之逻辑回归(Logistic Regression)
- Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization
- 机器学习之逻辑回归
- 逻辑回归之问题建模分析
- 机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答
- 机器学习理论与实战(四)逻辑回归
- 机器学习理论与实战(四)逻辑回归
- 听课笔记(第十讲): 逻辑斯蒂回归 (台大机器学习)
- 机器学习之逻辑回归
- [PAL编程规范]SAP HANA PAL逻辑回归预测分析Logistic Regression编程规范LOGISTICREGRESSION(模型)
- 逻辑回归:使用SGD(Stochastic Gradient Descent)进行大规模机器学习