python—逻辑回归算法
简单介绍一个逻辑回归算法的例子
例子：通过计算自己的复习时长和复习效率，计算是否能考试985高校。
from sklearn.linear_model import LogisticRegression
# 复习情况，格式为[时长，效率]
x_train=[(0,0),(7,0.9),(15,0.4),(13,0.9),(15,0.4),(16,0.4),(16,0.8),(15,0.7),(17,0.2),(7.5,0.8),(17,0.9),(18,0.1),(18,0.6),(18,0.8)]
y_train=[0,0,0,1,0,0,1,1,0,1,1,0,1,1] #0考不上，1考得上
# 创建并训练逻辑回归模型
reg=LogisticRegression()
reg.fit(x_train,y_train)
# 测试模型
x_test=[(3,0.1),(8,0.3),(7,0.2),(4,0.2),(4,0.4)]
y_test=[0,0,0,0,0]
score=reg.score(x_test,y_test)
# 预测并输出预测结果
learning=[(16,0.9)]
result=reg.predict_proba(learning)
msg='''模型得分：{0}
复习时长为：{1[0]},效率为：{1[1]}
您考不上的概率为：{2[0]}
您考的上的概率为：{2[1]}
总和判断，您会：{3}'''.format(score,learning[0],result[0],'考不上'if result[0][0]>0.5 else "考得上")
print(msg)
输出结果如下：
模型得分：1.0
复习时长为：16,效率为：0.9
您考不上的概率为：0.3563081851629081
您考的上的概率为：0.6436918148370919
综合判断，您会：考得上
所以，好好学习，985不是梦。
本期分享就到这里，边学习边分享。