sklearn實現邏輯回歸

首先我們來看下面一組數據集：

 

 前面的x1與x2都表示的是年收入和年齡這兩個因素決定的是否買車的結果。

開始代碼部分，我們先輸入x和y的變量，開始輸入數據：

from sklearn import linear_model
X=[[20,3],
   [23,7],
   [31,10],
   [42,13],
   [50,7],
   [60,5]]

Y=[0,
   1,
   1,
   1,
   0,
   0]

擬合邏輯回歸模型：

lr=linear_model.LogisticRegression(solver='liblinear')#在新版的sklearn當中只需要指定后面的參數值就不會進行報錯啦！
lr.fit(X,Y)

這個時候我們的模型已經擬合好了，現在可以開始進行輸出了，隨便用一個數據來測試在這個模型下這個人是否買車，以及是否買車的概率：

textX=[[28,8]]
lable=lr.predict(textX)#看它是否有車，1表示有

輸出：

array([1])

輸出為一，說明這個人已經買車了，下面是輸出概率：

#現在輸出有車的概率
predict=lr.predict_proba(textX)
predict

輸出為：

array([[0.14694811, 0.85305189]])
#前面有兩個值，這是因為前面的一個概率預測為0的概率，后面的為概率預測為1的概率

得解也，邏輯回歸模型的編程還是十分容易的啦