sklearn实现逻辑回归

逻辑回归,简单说:判定某一类别属于是或否,去或不去.

 data.xlsx

 

 

"""
逻辑回归
回归是根据特征矩阵去预测标签。对于标签为离散，尤其是服从0-1分布的标签，可以通过Sigmoid函数，也称激活函数，通过逻辑回归，得到取值在0-1之间的回归方程。
这一方法常被银行等提供贷款服务的机构用以对申请贷款的用户进行信用评分，通过在业务人员搜集到的申请人信息中筛选出主要特征，建立逻辑回归模型，给出信用分数，以判断特定贷款人的失信风险
给出两课成绩,预测是否通过
"""
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
#加载xls
data = pd.read_excel('data.xlsx')
#初始化模型
clf = LogisticRegression()
x = data.drop(['及格'],axis=1)
y = data.loc[:,'及格']

#输入训练模型
clf.fit(x,y)
# 输出y的结果和及格是否一致 可选
y_predict = clf.predict(x)
print(y_predict)
#测试模型准确率 可选
accuracy = accuracy_score(y,y_predict)
print(accuracy) #1=为最佳结果
X_test = np.array([[60,50]]) #预测是否及格
y_test_predict = clf.predict(X_test)
print(y_test_predict) #1 及格

 相关api https://blog.csdn.net/zhong_ddbb/article/details/107233165