Machine-learning-with-python-multinomial-logistic-regression-model
提供:Dev Guides
MLの多項ロジスティック回帰モデル
ロジスティック回帰のもう1つの有用な形式は、ターゲット変数または従属変数が3つ以上の unordered タイプを持つことができる多項ロジスティック回帰です。 量的な意味を持たないタイプ。
Pythonでの実装
次に、Pythonで上記の多項ロジスティック回帰の概念を実装します。 この目的のために、_digit_という名前のsklearnからのデータセットを使用しています。
まず、次のように必要なライブラリをインポートする必要があります-
Import sklearn
from sklearn import datasets
from sklearn import linear_model
from sklearn import metrics
from sklearn.model_selection import train_test_split
次に、数字データセットをロードする必要があります-
digits = datasets.load_digits()
今、次のように特徴行列(X)と応答ベクトル(Y)を定義します-
X = digits.data
y = digits.target
コードの次の行の助けを借りて、Xとyをトレーニングセットとテストセットに分割できます-
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.4, random_state = 1)
今、次のようにロジスティック回帰のオブジェクトを作成します-
digreg = linear_model.LogisticRegression()
今、次のようにトレーニングセットを使用してモデルをトレーニングする必要があります-
digreg.fit(X_train, y_train)
次に、次のようにテストセットの予測を行います-
y_pred = digreg.predict(X_test)
次のようにモデルの精度を印刷します-
print("Accuracy of Logistic Regression model is:",
metrics.accuracy_score(y_test, y_pred)*100)
出力
Accuracy of Logistic Regression model is: 95.6884561891516
上記の出力から、モデルの精度は約96%であることがわかります。