我用logistic回归来预测sklearn logisticsregression数据集的准确性和其他特性。我想知道是否有办法用逻辑回归预测未来的价值。我知道用线性回归很容易,但我觉得它不如逻辑回归预测那么有效
我就是这样训练数据集的:
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
import datetime
clf_lr = LogisticRegression(solver='lbfgs', multi_class="multinomial", max_iter=1000, random_state=1)
def train_model(clf, X_train, y_train, epochs=10):
"""
Cette fonction entraîne un model spécifié et retourne une liste
de résultats.
:param clf: modèle scikit learn
:param X_train: données d'entraînement encodés (attributs)
:param y_train: données d'entraînement (classe à prédire)
:param epochs: défault = 10, nombre d'itérations
:return: résultats (accuracy) pour les données d'entraînement
"""
scores = []
print("Starting training...")
for i in range(1, epochs + 1):
print("Epoch:" + str(i) + "/" + str(epochs) + " -- " + str(datetime.datetime.now()))
clf.fit(X_train, y_train)
score = clf.score(X_train, y_train)
scores.append(score)
print("Done training.")
return scores
如果有两个类,如
0
或1
,或boy
或girl
,请使用逻辑回归。如果有连续的目标值,如height
,则使用线性回归你的问题更适合于Stats Stack Exchange。堆栈溢出适用于与代码相关的问题
相关问题 更多 >
编程相关推荐