Python機械学習クックブック

16章ロジスティック回帰

レシピ16.0　はじめに

　ロジスティック回帰（logistic regression）は広く用いられている教師あり学習技術のひとつだ。「回帰」という名前が付いているので紛らわしいが、回帰器ではなくクラス分類器だ。ロジスティック回帰と、その拡張である多項ロジスティック回帰などの技術は、ある観測値が特定のクラスに属している確率を、簡潔で理解の容易なアプローチで予測する。本章では、scikit-learnを用いてさまざまなクラス分類器の訓練方法を説明する。

レシピ16.1　2クラス分類器の訓練

問題

　簡潔なクラス分類モデルを訓練したい。

解決策

　scikit-learnのLogisticRegressionを用いて、ロジスティック回帰器を訓練する。

# ライブラリをロード from sklearn.linear_model import LogisticRegression from sklearn import datasets from sklearn.preprocessing import StandardScaler # データをロードし、特徴量を2つに制限 iris = datasets.load_iris() features = iris.data[:100,:] target = iris.target[:100] # 特徴量を標準化 scaler = StandardScaler() features_standardized = scaler.fit_transform(features) # ロジスティック回帰器を作成 logistic_regression = LogisticRegression(random_state=0) ...