Capítulo 16. Regresión logística
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
16.0 Introducción
A pesar de llamarse regresión, la regresión logística es en realidad una técnica de clasificación supervisada muy utilizada . La regresión logística (y sus extensiones, como la regresión logística multinomial) es un enfoque sencillo y bien entendido para predecir la probabilidad de que una observación pertenezca a una determinada clase. En este capítulo, trataremos el entrenamiento de diversos clasificadores mediante regresión logística en scikit-learn.
16.1 Entrenar un clasificador binario
Problema
Necesitas entrenar un modelo clasificador simple.
Solución
Entrena una regresión logística en scikit-learn utilizando LogisticRegression:
# Load librariesfromsklearn.linear_modelimportLogisticRegressionfromsklearnimportdatasetsfromsklearn.preprocessingimportStandardScaler# Load data with only two classesiris=datasets.load_iris()features=iris.data[:100,:]target=iris.target[:100]# Standardize featuresscaler=StandardScaler()features_standardized=scaler.fit_transform(features)# Create logistic regression objectlogistic_regression=LogisticRegression(random_state=0)# Train modelmodel=logistic_regression.fit(features_standardized,target)
Debate
A pesar de tener "regresión" en su nombre, una regresión logística es en realidad un clasificador binario muy utilizado (es decir, el vector ...