Яка бібліотека Python використовується для логістичної регресії?
Існує багато інструментів і бібліотек коду, які можна використовувати для виконання логістичної регресії. The бібліотека scikit-learn (також називається scikit або sklearn) базується на мові Python і є однією з найпопулярніших бібліотек машинного навчання. 1 лютого 2023 р.
Приклад логістичної регресії в Python
- Крок 1. Імпортуйте бібліотеки. По-перше, нам потрібно імпортувати необхідні бібліотеки. …
- Крок 2: Завантажте та підготуйте дані: …
- Крок 3: Навчіть модель логістичної регресії: …
- Крок 4: Робіть прогнози: …
- Крок 5. Оцініть продуктивність моделі:
Він часто використовується в регресійному аналізі для візуалізації зв’язку між змінними та продуктивністю регресійних моделей. Ці бібліотеки, NumPy, pandas, scikit-learn і matplotlib, необхідні для виконання регресійного аналізу в Python.
- Крок 1. Імпортуйте необхідну бібліотеку. з sklearn.linear_model імпортувати LogisticRegression. …
- Крок 2. Вибір функції. …
- Крок: 3 Розділення даних. …
- Крок: 4 Розробка моделі та прогнозування. …
- Крок: 5 Оцінка моделі за допомогою матриці плутанини. …
- Крок 6. Візуалізація матриці плутанини за допомогою Heatmap. …
- Крок 7. Метрики оцінки матриці плутанини.
Спочатку імпортуйте Модуль LogisticRegression і створити об’єкт класифікатора логістичної регресії за допомогою функції LogisticRegression() із random_state для відтворюваності. Потім підберіть свою модель до набору поїздів за допомогою fit() і виконайте прогнозування на тестовому наборі за допомогою predict() .
Як встановити Scikit-Learn?
- Завантажте програму встановлення SciPy за посиланням SciPy: Наукова бібліотека для Python — перегляньте /scipy/0.16. 1 на SourceForge.net.
- Встановіть Pip, ввівши python get_pip.py у терміналі командного рядка.
- Встановіть scikit-learn, ввівши pip install scikit-learn у командному рядку.