sklearn_classification 2. Logistic Regression

 

sklearn의 linear_model 안에 있는 LogisticRegression 임포트

from sklearn.linear_model import LogisticRegression 
lr = LogisticRegression()

Training, 여기서 데이터 입혀 학습끝. 이제 lr이란 알고리즘을 데이터를 갖고 학습한 모델이 된 것이다.  

lr.fit(X_train, y_train)

모델이 잘 학습되었나 확인

lr.predict(X_test)
y_pred = lr.predict(X_test)    


# 결과 확인 (예측값과 실제값이 얼마나 일치하는지를 확인하여 모델의 정확도를 확인 가능 )
from sklearn.metrics import accuracy_score      # accurency (정확도) 스코어 모듈 부르기

print('로지스틱 회귀 정확도: {:.2f}'.format(accuracy_score(y_test, y_pred) * 100))   # 1.0이면 100프로인데 예쁘게 보기 위에 뒤에 100곱해준다
print('로지스틱 회귀, 계수(w) : {0}\n절편(b): {1}'.format(                         # 우리가 4개의 regression 값을 사용하기 때문에 4개의 속성(각각의 특성)이 3가지 클래스마다 나오는 것이라 기울기가 총 12개 값이..
                                    lr.coef_, lr.intercept_))                        # 절편(b=bias)은 각각의 시작점을 나타낸다 , 클래스(라벨)이 세가지니까 세가지 값이 나온다.

계수와 절편?

y = wx + b에서 y는 예측치 x는 그래프 가로 w는 기울기(계수) b는 기본 시작값