Youtubeでビデオ・レッスン（5/16）ロジスティック回帰（前編）| ロジスティック回帰の理論と実装

Jupyter Notebookなどで、コードを実装して実際に確かめてみましょう。

 

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()

df = pd.DataFrame(iris.data,columns=iris.feature_names)
df['target'] = iris.target

#５つの特徴量を持つ150個のデータがあります
df

#3つ目の特徴量（petal_length）だけを使って分類してみる
#２つの種類のみ使うので、50行目以降のデータを抽出してベクトル化
#分類を０と１にしたいので、－１
x = iris.data[50:,2].reshape(-1,1)
y = iris.target[50:] - 1

from sklearn.linear_model import LogisticRegression
#標準化用クラス
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split

scaler = StandardScaler()
#標準化されたデータを生成
x_scaled = scaler.fit_transform(x)

#訓練用とテスト用データ作成
x_train,x_test,y_train,y_test = train_test_split(x_scaled,y,random_state=0)

#モデルを生成して学習
log_reg = LogisticRegression().fit(x_train,y_train)

log_reg.intercept_,log_reg.coef_

#どれくらい正しく分類できたか
print(log_reg.score(x_train,y_train))
print(log_reg.score(x_test,y_test))

import numpy as np

import pandas as pd

from sklearn.datasets import load_iris

iris = load_iris()

df = pd.DataFrame(iris.data,columns=iris.feature_names)

df['target'] = iris.target

#５つの特徴量を持つ150個のデータがあります

#3つ目の特徴量（petal_length）だけを使って分類してみる

#２つの種類のみ使うので、50行目以降のデータを抽出してベクトル化

#分類を０と１にしたいので、－１

x = iris.data[50:,2].reshape(-1,1)

y = iris.target[50:] - 1

from sklearn.linear_model import LogisticRegression

#標準化用クラス

from sklearn.preprocessing import StandardScaler

from sklearn.model_selection import train_test_split

scaler = StandardScaler()

#標準化されたデータを生成

x_scaled = scaler.fit_transform(x)

#訓練用とテスト用データ作成

x_train,x_test,y_train,y_test = train_test_split(x_scaled,y,random_state=0)

#モデルを生成して学習

log_reg = LogisticRegression().fit(x_train,y_train)

log_reg.intercept_,log_reg.coef_

#どれくらい正しく分類できたか

print(log_reg.score(x_train,y_train))

print(log_reg.score(x_test,y_test))

FRONT

地図と画像のサイト

Youtubeでビデオ・レッスン（5/16）ロジスティック回帰（前編）| ロジスティック回帰の理論と実装

Be the first to comment

Leave a Reply コメントをキャンセル