python逻辑回归的主要参数（python中逻辑回归算法是什么？）

本文教程操作环境：windows7系统            、Python 3.9.1            ，DELL G3电脑 
  
  
  
  
  
 。

1.说明

逻辑回归简称LR
 
  
 
  
 
  
 
  
 
  
 
  ，能够将特征输入集合转化为0和1这两类的概率 
  
  
  
  
  
 。我们可以简单的把逻辑回归所要解决的问题理解为“分类            ”问题











，在分类问题中最为简单的为二分类  
  
  
  
  
  
，即我们只需要把一组数据分为两类即可

 


 


 


 


 


 
。而在二分类问题中 
  
  
  
  
  
 ，最为简单的又属“线性分类
 
  
 
  
 
  
 
  
 
  
 
  ”


 


 


 


 


 


 ，即我们只需要用一条直线即可将两类数据分开 
 
 
 
 
 
。

2.优点

计算代价不高 
 
 
 
 
 
，易于理解和实现 
   
   
   
   
   
  。

3.缺点

容易欠拟合  
   
   
   
   
   
 ，分类精度不高
 

 

 

 

 

 
。

4.使用数据

数值型和标称型
 

 

 

 

 

 
。

5.实例

fromsklearn.linear_modelimportLogisticRegression #复习情况

 

 

 

 

 

 ，格式为[时长
 

 

 

 

 

 
，效率] x_train=[(0,0),(7,0.9),(15,0.4),(13,0.9),(15,0.4),(16,0.4),(16,0.8),(15,0.7),(17,0.2),(7.5,0.8),(17,0.9),(18,0.1),(18,0.6),(18,0.8)] y_train=[0,0,0,1,0,0,1,1,0,1,1,0,1,1]#0考不上            ，1考得上 #创建并训练逻辑回归模型 reg=LogisticRegression() reg.fit(x_train,y_train) #测试模型 x_test=[(3,0.1),(8,0.3),(7,0.2),(4,0.2),(4,0.4)] y_test=[0,0,0,0,0] score=reg.score(x_test,y_test) #预测并输出预测结果 learning=[(16,0.9)] result=reg.predict_proba(learning) msg=模型得分：{0} 复习时长为：{1[0]},效率为：{1[1]} 您考不上的概率为：{2[0]} 您考的上的概率为：{2[1]} 总和判断
 

 
 

 
 

 
 

 
 

 
 

 ，您会：{3}.format(score,learning[0],result[0],考不上ifresult[0][0]>0.5else"考得上") print(msg)