Logistic Regression ใน Python - Building Classifier

คุณไม่จำเป็นต้องสร้างลักษณนามตั้งแต่เริ่มต้น การสร้างลักษณนามมีความซับซ้อนและต้องการความรู้ในหลาย ๆ ด้านเช่นสถิติทฤษฎีความน่าจะเป็นเทคนิคการเพิ่มประสิทธิภาพและอื่น ๆ มีไลบรารีที่สร้างไว้ล่วงหน้าหลายแห่งในตลาดซึ่งมีการใช้งานตัวแยกประเภทเหล่านี้ที่ผ่านการทดสอบอย่างสมบูรณ์และมีประสิทธิภาพมาก เราจะใช้โมเดลที่สร้างไว้ล่วงหน้าจากไฟล์sklearn.

ลักษณนาม sklearn

การสร้างลักษณนาม Logistic Regression จากชุดเครื่องมือ sklearn นั้นไม่สำคัญและทำได้ในคำสั่งโปรแกรมเดียวดังที่แสดงไว้ที่นี่ -

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

เมื่อสร้างลักษณนามแล้วคุณจะป้อนข้อมูลการฝึกของคุณลงในลักษณนามเพื่อให้สามารถปรับแต่งพารามิเตอร์ภายในและพร้อมสำหรับการคาดคะเนข้อมูลในอนาคตของคุณ ในการปรับลักษณนามเราเรียกใช้คำสั่งต่อไปนี้ -

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

ขณะนี้ลักษณนามพร้อมสำหรับการทดสอบแล้ว รหัสต่อไปนี้เป็นผลลัพธ์ของการดำเนินการของสองคำสั่งข้างต้น -

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))

ตอนนี้เราพร้อมที่จะทดสอบลักษณนามที่สร้างขึ้น เราจะจัดการเรื่องนี้ในบทถัดไป