无涯教程-分类算法 - 多项式逻辑回归模型函数-Toy模板网

这篇具有很好参考价值的文章主要介绍了无涯教程-分类算法 - 多项式逻辑回归模型函数。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Logistic逻辑回归的另一种有用形式是多项式Logistic回归，其中目标或因变量可以具有3种或更多可能的unordered类型，即没有定量意义的类型。

用Python实现

现在，无涯教程将在Python中实现上述多项式逻辑回归的概念。为此，使用来自sklearn的名为 digit 的数据集。

首先，需要导入必要的库，如下所示:

Import sklearn
from sklearn import datasets
from sklearn import linear_model
from sklearn import metrics
from sklearn.model_selection import train_test_split

接下来，需要加载数字数据集-

digits=datasets.load_digits()

现在，如下定义特征矩阵(X)和响应向量(y)-

X=digits.data
y=digits.target

借助下一行代码，可以将X和y分为训练和测试集-

X_train, X_test, y_train, y_test=train_test_split(X, y, test_size=0.4, random_state=1)

现在创建一个逻辑回归的对象，如下所示:

digreg=linear_model.LogisticRegression()

现在，需要使用以下训练集来训练模型:

digreg.fit(X_train, y_train)

接下来，对测试集进行如下预测:

y_pred=digreg.predict(X_test)

接下来打印模型的精度如下-

print("Accuracy of Logistic Regression model is:",
metrics.accuracy_score(y_test, y_pred)*100)

Accuracy of Logistic Regression model is: 95.6884561891516

从上面的输出中，无涯教程可以看到模型的准确性约为96％。

分类算法中的多项式逻辑回归模型函数 - 无涯教程网无涯教程网提供Logistic逻辑回归的另一种有用形式是多项式Logistic回归，其中目标或因变量可以具有...https://www.learnfk.com/python-machine-learning/machine-learning-with-python-multinomial-logistic-regression-model.html文章来源地址https://www.toymoban.com/news/detail-687897.html

到了这里，关于无涯教程-分类算法 - 多项式逻辑回归模型函数的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！