Ejemplo de sklearn.linear_model.LogisticRegression

Ya no necesitas indagar más por todo internet porque estás al espacio correcto, poseemos la solución que buscas sin problemas.

Ejemplo 1: regresión logística sklearn

#Logistic Regression Modelfrom sklearn.linear_model import LogisticRegression
LR = LogisticRegression(random_state=0).fit(X, y)
LR.predict(X[:2,:])#Return the predictions
LR.score(X, y)#Return the mean accuracy on the given test data and labels#Regression Metrics#Mean Absolute Errorfrom sklearn.metrics import mean_absolute_error 
mean_absolute_error(y_true, y_pred)#Mean Squared Errorfrom sklearn.metrics import mean_squared_error
mean_squared_error(y_true, p_pred)#R2 Scorefrom sklearn.metrics import r2_score
r2_score(y_true, y_pred)

Ejemplo 2: LogisticRegression sklearn

from sklearn.linear_model import LogisticRegression

Ejemplo 3: regresión multinomial scikit learn

model1 = LogisticRegression(random_state=0, multi_class='multinomial', penalty='none', solver='newton-cg').fit(X_train, y_train)
preds = model1.predict(X_test)#print the tunable parameters (They were not tuned in this example, everything kept as default)
params = model1.get_params()print(params)'C':1.0,'class_weight':None,'dual':False,'fit_intercept':True,'intercept_scaling':1,'l1_ratio':None,'max_iter':100,'multi_class':'multinomial','n_jobs':None,'penalty':'none','random_state':0,'solver':'newton-cg','tol':0.0001,'verbose':0,'warm_start':False

Valoraciones y reseñas

Si haces scroll puedes encontrar las interpretaciones de otros creadores, tú además tienes el poder dejar el tuyo si te apetece.

---

---

Utiliza Nuestro Buscador