建筑装修设计网站大全,怎么样宣传自己的网站,app推广有哪些渠道,在线ps修图编辑器Softmax回归听名字#xff0c;依然好像是做回归任务的算法#xff0c;但其实它是去做多分类任务的算法。 篮球比赛胜负是二分类#xff0c;足球比赛胜平负就是多分类 识别手写数字0和1是二分类#xff0c;识别手写数字0-9就是多分类
Softmax回归算法是一种用于多分类问题…Softmax回归听名字依然好像是做回归任务的算法但其实它是去做多分类任务的算法。 篮球比赛胜负是二分类足球比赛胜平负就是多分类 识别手写数字0和1是二分类识别手写数字0-9就是多分类
Softmax回归算法是一种用于多分类问题的机器学习算法。它可以帮助我们预测一个样本属于哪一类比如预测一张照片中的动物是狗、猫还是鸟。 一、加载整个数据集
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
#加载鸢尾花数据集
iris datasets.load_iris()
xiris.data
yiris.target
print(多元的参数集是:)
print(x)
print(结果集是)
print(y)
二、将数据集拆分为训练集和测试集,测试集占20%训练集占80%
x_train,x_test,y_train,y_testtrain_test_split(x,y,test_size0.2)
三、创建一个逻辑回归的对象
#创建一个逻辑回归的对象这里的逻辑回归会根据我们的数据决定是用二分类还是用多分类
lrLogisticRegression()
四、使用训练集训练模型
lr.fit(x_train,y_train)
五、使用测试集进行结果的预测
y_predlr.predict(x_test)
六、打印模型的准确率
print(准确率%.2f %accuracy_score(y_test,y_pred))
多元的参数集是:
[[5.1 3.5 1.4 0.2][4.9 3. 1.4 0.2][4.7 3.2 1.3 0.2][4.6 3.1 1.5 0.2][5.8 2.7 5.1 1.9][6.8 3.2 5.9 2.3][6.7 3.3 5.7 2.5][6.7 3. 5.2 2.3][6.3 2.5 5. 1.9][6.5 3. 5.2 2. ][6.2 3.4 5.4 2.3][5.9 3. 5.1 1.8]]
结果集是
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 22 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 22 2]
准确率0.97
注意
1、mluti_class的参数如果是ovr是进行二分类转换如果是multinomial是进行softmax回归做多分类由于目前我们的y值是单标签要么是0要么是1要么是2因此可以默认进行多分类。
# lrLogisticRegression(multi_classovr) #多分类转换成了多个二分类
# lrLogisticRegression(multi_classmultinomial) #Softmax回归做多分类
2、最大迭代次数max_iter1000,默认是执行100次收敛调整参数100次。
如果不添加这个参数可能会报如下错误收敛的警告迭代100次之后还没有达到完全的收敛如果将参数改为1000则精度会有所提升。
