Recetario de Aprendizaje Automático con Python, 2ª Edición

Capítulo 16. Regresión logística

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

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 libraries
from sklearn.linear_model import LogisticRegression
from sklearn import datasets
from sklearn.preprocessing import StandardScaler

# Load data with only two classes
iris = datasets.load_iris()
features = iris.data[:100,:]
target = iris.target[:100]

# Standardize features
scaler = StandardScaler()
features_standardized = scaler.fit_transform(features)

# Create logistic regression object
logistic_regression = LogisticRegression(random_state=0)

# Train model
model = 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 ...