输入“ Machine Learning.csv”文件的逻辑回归。

Question

输入“ Machine Learning.csv”文件的逻辑回归。

#Import Libraries

import pandas as pd

#Import Dataset
dataset = pd.read_csv('Machine Learning Data Set.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 10]

#Splitting the dataset into the Training set and Test set
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,y, test_size = 0.2, random_state = 0)

#Feature Scaling
from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
X_train = sc_X.fit_transform(X_train)
X_test = sc_X.transform(X_test)

#Fitting Logistic Regression to the Training Set
from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state=0)
classifier.fit(X_train,y_train)

#Predicting the Test set results
y_pred = classifier.predict(X_test)

#Making the Confusion Matrix
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test,y_pred)

我有如上所述的机器学习/逻辑回归代码（python）。它已经正确训练了我的模型，并与测试数据非常匹配。但是不幸的是，当我使用其他一些随机值进行测试时，它只会给我0/1（二进制）结果。（训练集只有0/1-如失败/成功）

在该算法中，如何获得概率结果而不是二进制结果？我尝试了非常不同的一组数字，想找出失败的可能性-而不是0和1。

非常感谢您的帮助：）非常感谢！

Answer 1

只需替换

y_pred = classifier.predict(X_test)

使用

y_pred = classifier.predict_proba(X_test)

有关详细信息，请参见Logistic Regression Probability

Answer 2

predict_proba（X_test）将为您提供每个类的每个样本的概率。即，如果X_test包含n_samples，并且您有2个上述函数的类输出，则将为“ n_samples X 2”矩阵。并且预测的两个类别的总和为1。有关更多详细信息，请参见文档here

Logistic回归-机器学习

输入“ Machine Learning.csv”文件的逻辑回归。

2 个答案: