Logistic Regression In Python 简明教程

Logistic Regression in Python - Building Classifier

你不需要从头构建分类器。构建分类器很复杂，需要具备多个领域的知识，例如统计学、概率论、优化技术等等。市场上有几个预先构建的库，它们有经过充分测试的高效分类器实现。我们将使用 sklearn 中的一个这样的预先构建的模型。

The sklearn Classifier

从 sklearn 工具箱创建逻辑回归分类器非常简单，只需像这里所示的那样用一个程序语句完成 −

In [22]: classifier = LogisticRegression(solver='lbfgs',random_state=0)

创建分类器后，你将把你训练的数据输入到分类器中，这样它可以调整其内部参数，并准备好对你的未来数据进行预测。为了调整分类器，我们运行以下语句 −

In [23]: classifier.fit(X_train, Y_train)

分类器现在准备好了进行测试。以下代码是上面两个语句执行的输出 −

Out[23]: LogisticRegression(C = 1.0, class_weight = None, dual = False,
   fit_intercept=True, intercept_scaling=1, max_iter=100,
   multi_class='warn', n_jobs=None, penalty='l2', random_state=0,
   solver='lbfgs', tol=0.0001, verbose=0, warm_start=False))