ロジスティック回帰

ロジスティック回帰はデータを線形に分類できる手法です。 データが 線形分離可能 な場合に有効な手法です。

線形分離可能 とは、ふたつの点の集合が二次元平面上にあるとき、それらの集合を一本の直線で分離できることをいいます。機械学習がデータの傾向を学習し、分類ルールを作成してくれます。

scikit-learnの、ロジスティック回帰用のクラス LogisticRegression を使えばたったの数行で機械学習のモデルを作って、分類できます。

X_train, X_test, y_train, y_test = tran_test_split(X, y)   # 1. 分割
lr = LogisticRegression(...)  # 2. 初期化
lr.fit(X_train, y_train)  # 3. 学習
lr.score(X_test, y_test)  # 4. スコア測定

この LogisticRegression も他の分類器と同様に、 .fit(...) 、 .score(...) や .predict(...) メソッドが使えます。

詳しくは、sklearn.linear_model.LogisticRegressionを参照ください。

当コンテンツの知的財産権は株式会社ビープラウドに所属します。詳しくは利用規約をご確認ください。