Pythonでのロジスティック回帰-分類子の構築

分類子を最初から作成する必要はありません。分類器の構築は複雑であり、統計、確率論、最適化手法などのいくつかの分野の知識が必要です。これらの分類子の完全にテストされた非常に効率的な実装を備えた、いくつかの構築済みライブラリが市場で入手可能です。からそのような構築済みモデルの1つを使用しますsklearn。

sklearn分類子

sklearnツールキットからロジスティック回帰分類子を作成するのは簡単で、ここに示すように単一のプログラムステートメントで実行されます-

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

分類器が作成されたら、トレーニングデータを分類器にフィードして、内部パラメーターを調整し、将来のデータの予測に備えることができるようにします。分類器を調整するには、次のステートメントを実行します-

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

これで、分類器をテストする準備が整いました。次のコードは、上記の2つのステートメントの実行の出力です-

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))

これで、作成した分類子をテストする準備が整いました。これについては次の章で扱います。