Machine-learning-with-python-multinomial-logistic-regression-model

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

Copy

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()

Copy

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

Copy

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)

Copy

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()

Copy

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)

Copy

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)

Copy

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)

Copy

出力

Accuracy of Logistic Regression model is: 95.6884561891516

Copy

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。