Pythonでのロジスティック回帰-分類子の構築

分類子を最初から作成する必要はありません。分類子の作成は複雑であり、統計、確率理論、最適化手法などのいくつかの分野の知識が必要です。これらの分類子の完全にテストされた非常に効率的な実装を備えた、いくつかの事前構築されたライブラリが市場で入手可能です。 sklearn から事前に作成されたモデルを1つ使用します。

sklearn分類子

sklearnツールキットからロジスティック回帰分類器を作成することは簡単であり、ここに示すように単一のプログラムステートメントで行われます-

In [22]: classifier = LogisticRegression(solver='lbfgs',random_state=0)

分類子が作成されたら、内部パラメーターを調整し、将来のデータの予測に備えて、トレーニングデータを分類子にフィードします。分類子を調整するには、次のステートメントを実行します-

In [23]: classifier.fit(X_train, Y_train)

これで、分類子をテストする準備ができました。次のコードは、上記の2つのステートメントの実行の出力です-

Out[23]: LogisticRegression(C = 1.0, class_weight = None, dual = False,
   fit_intercept=True, intercept_scaling=1, max_iter=100,
   multi_class='warn', n_jobs=None, penalty='l2', random_state=0,
   solver='lbfgs', tol=0.0001, verbose=0, warm_start=False))

これで、作成した分類子をテストする準備が整いました。これについては次の章で説明します。

Logistic-regression-in-python-building-classifier

Pythonでのロジスティック回帰-分類子の構築

sklearn分類子