पायथन में लॉजिस्टिक रिग्रेशन - बिल्डिंग क्लासिफायरियर

यह आवश्यक नहीं है कि आपको स्क्रैच से क्लासिफायर का निर्माण करना होगा। बिल्डिंग क्लासीफायर जटिल है और इसके लिए कई क्षेत्रों जैसे कि सांख्यिकी, संभाव्यता सिद्धांत, अनुकूलन तकनीक और इतने पर ज्ञान की आवश्यकता होती है। बाजार में कई प्री-बिल्ट लाइब्रेरी उपलब्ध हैं, जिनका इन क्लासिफायरियर का पूरी तरह से परीक्षण और बहुत कुशल कार्यान्वयन है। हम इस तरह के एक पूर्व निर्मित मॉडल का उपयोग करेंगेsklearn।

Sklearn क्लासिफायरियर

स्केलेर टूलकिट से लॉजिस्टिक रिग्रेशन क्लासिफायर बनाना तुच्छ है और एकल कार्यक्रम स्टेटमेंट में दिखाया गया है -

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

एक बार क्लासिफायरियर बनने के बाद, आप अपने ट्रेनिंग डेटा को क्लासिफायर में फीड करेंगे, ताकि वह अपने आंतरिक मापदंडों को ट्यून कर सके और आपके भविष्य के डेटा पर भविष्यवाणियों के लिए तैयार हो सके। क्लासिफायर को ट्यून करने के लिए, हम निम्नलिखित स्टेटमेंट चलाते हैं -

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

क्लासिफायर अब परीक्षण के लिए तैयार है। निम्नलिखित कोड उपरोक्त दो कथनों के निष्पादन का आउटपुट है -

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))

अब, हम तैयार किए गए क्लासिफ़ायर का परीक्षण करने के लिए तैयार हैं। हम अगले अध्याय में इससे निपटेंगे।