Python 中的逻辑回归 - 构建分类器

您不需要从头开始构建分类器。构建分类器很复杂，需要统计、概率论、优化技术等多个领域的知识。市场上有几个预构建的库，它们对这些分类器进行了充分测试且非常有效的实现。我们将使用sklearn中的一个这样的预构建模型。

sklearn 分类器

从 sklearn 工具包创建逻辑回归分类器很简单，并且在单个程序语句中完成，如下所示 -

In [22]: classifier = LogisticRegression(solver='lbfgs',random_state=0)

创建分类器后，您将把训练数据输入分类器，以便它可以调整其内部参数并为未来数据的预测做好准备。为了调整分类器，我们运行以下语句 -

In [23]: classifier.fit(X_train, Y_train)

分类器现在已准备好进行测试。以下代码是上述两条语句的执行输出 -

Out[23]: LogisticRegression(C = 1.0, class_weight = None, dual = False, 
   fit_intercept=True, intercept_scaling=1, max_iter=100, 
   multi_class='warn', n_jobs=None, penalty='l2', random_state=0, 
   solver='lbfgs', tol=0.0001, verbose=0, warm_start=False))