以下のサイトを参考に、ロジスティクス回帰を実装してみる。
やりたいこと
ロジスティクス回帰の実装
ロジスティクス回帰の目指すもの
ある事象が起こる確率を学習する手法。
実装
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
# データの読み込み
wine = load_wine()
X = wine['data']
y = wine['target']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
model = LogisticRegression()
model.fit(X_train, y_train)
score = model.score(X_test, y_test)
print('score is', score)
得られたアウトプット
score is 0.9444444444444444
まとめ
以前やった、単回帰分析に似ているなと思った。
単回帰分析と違うところ
score = model.score(X_test, y_test)
print('score is', score)
score()メソッドを使うこと。
最終的にscoreを予測すること。
こんなことに使えそう。
・降水確率の予測
・株価の値上がり・値下がり予測