2—线性逻辑回归

Posted 我不是小鲁班

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了2—线性逻辑回归相关的知识,希望对你有一定的参考价值。

线性回归

线性回归通常用于根据连续变量估计实际数值(房价、呼叫次数、总销售额等)。我们通过拟合最佳直线来建立自变量和因变量的关系。这条最佳直线叫做回归线,并且用 Y= a *X + b 这条线性等式来表示。

在这个等式中:

  • Y:因变量
  • a:斜率
  • x:自变量
  • b :截距

系数 a 和 b 可以通过最小二乘法获得。

参见下例。我们找出最佳拟合直线 y=0.2811x+13.9。已知人的身高,我们可以通过这条等式求出体重。

线性回归的两种主要类型是一元线性回归和多元线性回归。一元线性回归的特点是只有一个自变量。多元线性回归的特点正如其名,存在多个自变量。找最佳拟合直线的时候,你可以拟合到多项或者曲线回归。这些就被叫做多项或曲线回归。

#Import Library
#Import other necessary libraries like pandas, numpy...
from sklearn import linear_model
 
#Load Train and Test datasets
#Identify feature and response variable(s) and values must be numeric and numpy arrays
x_train=input_variables_values_training_datasets
y_train=target_variables_values_training_datasets
x_test=input_variables_values_test_datasets
 
# Create linear regression object
linear = linear_model.LinearRegression()
 
# Train the model using the training sets and check score
linear.fit(x_train, y_train)
linear.score(x_train, y_train)
 
#Equation coefficient and Intercept
print(\'Coefficient: n\', linear.coef_)
print(\'Intercept: n\', linear.intercept_)
 
#Predict Output
predicted= linear.predict(x_test)

逻辑回归

该算法可根据已知的一系列因变量估计离散数值(比方说二进制数值 0 或 1 ,是或否,真或假)。简单来说,它通过将数据拟合进一个逻辑函数来预估一个事件出现的概率。因此,它也被叫做逻辑回归。因为它预估的是概率,所以它的输出值大小在 0 和 1 之间(正如所预计的一样)。

从数学上看,在结果中,几率的对数使用的是预测变量的线性组合模型。

 逻辑回归案例:

 

以上是关于2—线性逻辑回归的主要内容,如果未能解决你的问题,请参考以下文章

机器学习系列:从线性回归到逻辑回归

逻辑回归&线性支持向量机

Liner Regression 线性回归及Python代码

2—线性逻辑回归

[机器学习与scikit-learn-20]:算法-逻辑回归-线性逻辑回归linear_model.LogisticRegression与代码实现

机器学习笔记一元线性回归原理公式及代码实现