Python：如何使用SKlearn使用多项Logistic回归

概述我有一个测试数据集和训练数据集,如下所示.我提供了带有最小记录的样本数据,但我的数据超过了1000条记录.这里E是我需要使用算法预测的目标变量.它只有四个类别,如1,2,3,4.它只能采用这些值中的任何一个. 培训数据集： A B C D E1 20 30 1 12 22 12 33 23 45 65 77 3 我有一个测试数据集和训练数据集,如下所示.我提供了带有最小记录的样本数据,但我的数据超过了1000条记录.这里E是我需要使用算法预测的目标变量.它只有四个类别,如1,2,3,4.它只能采用这些值中的任何一个.

培训数据集：

A    B    C    D    E1    20   30   1    12    22   12   33   23    45   65   77   312   43   55   65   411   25   30   1    122   23   19   31   231   41   11   70   31    48   23   60   4

测试数据集：

A    B    C    D    E11   21   12   111    2    3    45    6    7    8 99   87   65   34 11   21   24   12

由于E只有4个类别,我想用多项Logistic回归(1 vs Rest Logic)预测这个.我正在尝试使用python实现它.

我知道在变量中设置这些目标所需的逻辑,并使用算法来预测这些值中的任何一个：

output = [1,4]

但我仍然坚持如何使用python(sklearn)来循环使用这些值以及我应该使用什么算法来预测输出值？任何帮助将不胜感激

解决方法 LogisticRegression可以处理多个开箱即用的类.

X = df[['A','B','C','D']]y = df['E']lr = LogisticRegression()lr.fit(X,y)preds = lr.predict(X)  # will output array with integer values.

总结

以上是内存溢出为你收集整理的Python：如何使用SKlearn使用多项Logistic回归全部内容，希望文章能够帮你解决Python：如何使用SKlearn使用多项Logistic回归所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。