注册
登录
机器学习
Logistic回归 - 机器学习
返回
Logistic回归 - 机器学习
作者:
咿呀哟
发布时间:
2024-12-30 01:28:44 (3天前)
转自：
<p> <br/> 物流回归与输入“<br/> <br/> 机<br/> </跨度><br/> Learning.csv“文件。</p><h1><a href="#import-libraries" name="import-libraries">Import Libraries</a></h1><p>将pandas导入为pd</p><h1><a href="#import-dataset" name="import-dataset">Import Dataset</a></h1><p>dataset = pd.read_csv（‘<br/> <br/> 机<br/> </跨度><br/> <br/> 学习<br/> </跨度><br/> Data Set.csv’）<br/>X = dataset.iloc [：，：-1 …测试集结果<br/>y_pred = classifier.predict（X_test）</p><p>＃制作混淆矩阵<br/>来自sklearn.metrics import confusion_matrix<br/>cm = confusion_matrix（y_test，y_pred）</p><p>我有一个<br/> <br/> 机<br/> </跨度><br/> <br/> 学习<br/> </跨度><br/> …<br/> <br/></p>
收藏
举报
3 条回复
0#
回复此人
只怕再见是故人
|
2019-08-31 10-32
<div class =“post-text”itemprop =“text”> <P> predict_proba（X_test）将给出每个类的每个样本的概率。如果X_test包含n_samples并且您有2个类，则上述函数的输出将是“n_samples X 2”矩阵。并且预测的两个类的总和将是1.有关详细信息，请查看文档 <a href="http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression.predict_proba" rel="nofollow noreferrer"> 这里 </A> </p> </DIV>
编辑
1#
回复此人
࿏自ོ༾由ོ༽人͙⃡⌇
|
2019-08-31 10-32
<div class =“post-text”itemprop =“text”> <P> 只需更换 </p> <pre> <code> y_pred = classifier.predict(X_test) </code> </pre> <P> 同 </p> <pre> <code> y_pred = classifier.predict_proba(X_test) </code> </pre> <P> 详情请参阅 <a href="http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression.predict_proba" rel="nofollow noreferrer"> Logistic回归概率 </A> </p> </DIV>
编辑
登录
后才能参与评论
