我们能用python中的logistic回归预测数据集的未来值吗？

Question

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

Answer 1

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