📌  相关文章
📜  Python的逻辑回归-建立分类器

📅  最后修改于: 2020-12-13 14:03:24             🧑  作者: Mango

不需要您必须从头开始构建分类器。建筑物分类器很复杂，并且需要一些领域的知识，例如统计，概率论，优化技术等等。市场上有几种预构建的库，这些库对这些分类器进行了全面测试并且非常有效。我们将使用sklearn中的一种这样的预构建模型。

sklearn分类器

从sklearn工具箱创建Logistic回归分类器很简单，并且在单个程序语句中完成，如下所示-

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

创建分类器后，您会将训练数据输入分类器，以便它可以调整其内部参数并为将来的数据预测做好准备。为了调整分类器，我们运行以下语句-

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

分类器现在可以进行测试了。以下代码是以上两个语句的执行输出-

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))

现在，我们准备测试创建的分类器。我们将在下一章中处理。