Python机器学习——逻辑回归案例（三）

引入披萨问题

分类问题:二分类

依旧还是披萨那些训练数据，只是最后判断是否好吃

1.通过分析已经确定属于逻辑回归问题

① 导入逻辑回归模型的库

# 导入需要的库
from sklearn import linear_model

② 四步走：导入训练数据 + 构建模型 + 训练模型 + 评估模型 + 模型预测

综合①②完整代码为：

from sklearn import linear_model

# 1.准备训练数据
X_train = [[8,11],[9,8.5],[11,15],[16,18],[12,11],[15,12]]
y_train = [1,0,1,0,1,0]

# 2.构建模型
model = linear_model.LogisticRegression()

# 3.训练模型
model.fit(X_train,y_train)

# 4.评估模型
y_pred = model.predict(X_train)
print(y_pred)  # [1 0 1 1 0 0]  与y_train相比，有4个相同
score = model.score(X_train,y_train)
print(score) # 0.6666666666666666

# 另一种模型评估的方法
# accuracy_score 精确度
# from sklearn.metrics import accuracy_score
# score = accuracy_score(y_train,y_pred)
# print(score) # 0.6666666666666666

# 5.模型预测
y_test = [[18,5]]
result = model.predict(y_test)
print("预测的结果为",result)
# 预测的结果为 [0]

细节解析：使用 accuracy_score（y的真实值，y的预测值） 进行模型评估时，必须导入库
from sklearn.metrics import accuracy_score

2.总结：

       ① 根据题意分析属于逻辑回归问题
       ② 导入逻辑回归模型库
       ③ 五步走：导入训练数据 + 构建模型 + 训练模型 + 评估模型 + 模型预测