Python의 로지스틱 회귀-건물 분류기

분류기를 처음부터 만들 필요는 없습니다. 분류기를 구축하는 것은 복잡하며 통계, 확률 이론, 최적화 기술 등과 같은 여러 영역에 대한 지식이 필요합니다. 이러한 분류기를 완벽하게 테스트하고 매우 효율적으로 구현 한 여러 사전 빌드 된 라이브러리가 시장에 나와 있습니다. 우리는 미리 만들어진 모델을sklearn.

sklearn 분류기

sklearn 툴킷에서 로지스틱 회귀 분류기를 만드는 것은 간단하며 여기에 표시된 것처럼 단일 프로그램 문에서 수행됩니다.

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

분류 기가 생성되면 학습 데이터를 분류기에 공급하여 내부 매개 변수를 조정하고 향후 데이터에 대한 예측을 준비 할 수 있도록합니다. 분류기를 조정하기 위해 다음 문을 실행합니다.

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

이제 분류기를 테스트 할 준비가되었습니다. 다음 코드는 위의 두 명령문을 실행 한 결과입니다.

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))

이제 생성 된 분류기를 테스트 할 준비가되었습니다. 다음 장에서이를 다룰 것입니다.