iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 12
0
自我挑戰組

資料工程師的Machine Learning/工作學習歷程系列 第 12

[第12天]LogisticRegression-2

  • 分享至 

  • xImage
  •  

要注意在LogisticRegression中的solver,裡頭可以選‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’,官方文件有解釋(官方文件)

from sklearn.model_selection import train_test_split
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score


bc = datasets.load_breast_cancer()  #load進breast_cancer的資料庫
X = bc.data
y = bc.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3) 

clf = LogisticRegression(random_state=0, solver='lbfgs',
                          multi_class='multinomial').fit(X_train, y_train) #{‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’} 有各種演算法可以選擇
y_result = clf.predict(X_test)
y_proba = clf.predict_proba(X_test) 

print(y_proba)
accuracy_score(y_test, y_result)
print("Number of mislabeled points out of a total %d points : %d"% (bc.data.shape[0],(y_test != y_result).sum()))

https://ithelp.ithome.com.tw/upload/images/20181011/20111785KtaNLPhvIC.png


上一篇
[第11天]LogisticRegression-1
下一篇
[第13天]支持向量機SVM-1
系列文
資料工程師的Machine Learning/工作學習歷程20
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言