Regresi Logistik dengan Python - Building Classifier

Anda tidak perlu membuat classifier dari awal. Pengklasifikasi bangunan bersifat kompleks dan membutuhkan pengetahuan tentang beberapa bidang seperti Statistik, teori probabilitas, teknik pengoptimalan, dan sebagainya. Ada beberapa pustaka yang dibuat sebelumnya yang tersedia di pasar yang memiliki implementasi pengklasifikasi yang sepenuhnya teruji dan sangat efisien. Kami akan menggunakan salah satu model yang dibuat sebelumnya darisklearn.

Pengklasifikasi sklearn

Membuat pengklasifikasi Regresi Logistik dari sklearn toolkit itu sepele dan dilakukan dalam satu pernyataan program seperti yang ditunjukkan di sini -

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

Setelah pengklasifikasi dibuat, Anda akan memasukkan data pelatihan Anda ke dalam pengklasifikasi sehingga dapat menyesuaikan parameter internalnya dan siap untuk prediksi pada data Anda di masa mendatang. Untuk menyetel pengklasifikasi, kami menjalankan pernyataan berikut -

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

Pengklasifikasi sekarang siap untuk diuji. Kode berikut adalah output dari eksekusi dua pernyataan di atas -

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))

Sekarang, kami siap untuk menguji pengklasifikasi yang dibuat. Kami akan membahas ini di bab berikutnya.