Logistic Regression
로짓(logit) 함수 또는 시그모이드(sigmoid) 함수를 사용하여 확률을 예측후
확률을 임계값을 기준으로 분류함 (일반적으로 0.5)
모델링
from sklearn.linear_model import LogisticRegression코드로 임포트 한 다음
model = LogisticRegression()으로 모델을 선언한다
학습 및 예측
model.fit(x_train, y_train)fit매소드로 학습을 시킬 수 있다
이후
y_pred = model.predict(x_test)코드를 사용하여 완성된 모델에 x_test를 넣어 예측값을 생성 할 수 있다
평가
from sklearn.metrics import *코드로 평가 함수들을 임포트 한 다음
https://bigcat5312.tistory.com/77
머신러닝 지도학습 - 회귀와 분류, 분석도구
회귀(Regression) 이미 결과값이 있는 데이터를 사용하여 연관성을 찾아 연속적인 숫자를 예측해 내는 것 ex) 집값 분석도구 평가도구 LinearRegression KNeighborsRegressor DecisionTreeRegressor RandomForestRegressor XG
bigcat5312.tistory.com
게시글을 참고하여 원하는 평가함수(y_test , y_pred)를 사용해 평가 할 수 있다
'파이썬 > 머신러닝-지도학습' 카테고리의 다른 글
| 파이썬 머신러닝 지도학습 - 앙상블 -Random forest(랜덤 포레스트) (분류, 회귀) (0) | 2023.09.17 |
|---|---|
| 파이썬 머신러닝 지도학습 - 앙상블 (0) | 2023.09.16 |
| 파이썬 머신러닝 지도학습 - Decision Tree(결정 트리) (분류, 회귀) (0) | 2023.09.16 |
| 파이썬 머신러닝 지도학습 - K-Nearest Neigbor(KNN) (분류, 회귀) (0) | 2023.09.16 |
| 파이썬 머신러닝 지도학습 - 데이터 분리 (sklearn - train_test_split (0) | 2023.09.16 |
