バイナリ分類問題の場合、p個の独立した独立変数x 1 x_1を想定すると、回帰モデルには1-0の2つの値(yesとno、発生と非発生など)しかないバツ1、×2 x_2バツ2、×3 x_3バツ3… xp x_pバツPアクションの下では、yが1をとる確率はp = P(y = 1 ∣ X)p = P(y = 1 | X)です。p=P (y=1 ∣ X )、0をとる確率は1 − p 1-p1−p、1と0をとる確率の比率はp 1 − p \ frac {p} {1-p}1 − pP、イベントのオッズ比オッズと呼ばれ、オッズ比の対数を取ると、次のようになります:Logit(p)= ln(p 1 − p)Logit(p)= ln(\ frac {p} {1-p})L O G I T (P )=l n (1 − pP)、次にp = 1 1 + e − zp = \ frac {1} {1 + ez}p=1 + e - z1ロジスティック機能
1.4ケース操作
import pandas as pd
from sklearn.linear_model import LogisticRegression as LR
filename = r"..\data\bankloan.xls"
data = pd.read_excel(filename)
x= data.iloc[:,:8].values
y = data.iloc[:,8].values
lr = LR()
lr.fit(x,y)print('模型的平均准确度为:%s'%lr.score(x,y))