逻辑回归-- Python？

Question

你能简要描述一下下面这几行代码是什么意思吗？这是Python中逻辑回归的代码。

size =0.25和random_state =0是什么意思？什么是train_test_split？在这行代码中做了什么？

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.25,random_state=0)

在这些代码行中做了什么？

logistic_regression= LogisticRegression()
logistic_regression.fit(X_train,y_train)
y_pred=logistic_regression.predict(X_test) 

Answer 1

在这里看看the description of the function：

• random_state为随机数生成器设置种子，使您在每次运行时都获得相同的结果，这在教育设置中特别有用，可以为每个人提供相同的result.
• test_size指的是测试拆分中使用的比例，这里75%的数据用于训练，25%用于测试模型。

其他行只是在训练数据集上运行逻辑回归。然后使用测试数据集来检查拟合回归的好坏。

Answer 2

=0.25和random_state =0是什么意思？

test_size=0.25 -> 25%的训练和测试数据拆分。

random_state = 0 ->对于可重现的结果，该值可以是任何数字。

在这行代码中做了什么？

将X和y拆分为X_train, X_test, y_train, y_test

以及在这些代码行中做了什么？

通过fit(X_train, y_train)训练逻辑回归模型，然后在测试集X_test上进行预测。

稍后，您可能会将y_pred与y_test进行比较，以了解模型的准确性。

Answer 3

这一行：

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.25,random_state=0)

将源代码分为训练集和测试集，0.25表示25%的源代码将用于测试，其余的将用于训练。

对于random_state = 0，这里是一个brief discussion。以上链接中的一部分：

如果使用random_state=some_number，则可以保证Run 1的输出将等于Run 2的输出。

logistic_regression= LogisticRegression() #Creates logistic regressor

计算源的一些值。Recommended read

logistic_regression.fit(X_train,y_train) 

以上链接中的一部分：

这里的拟合方法，当应用于训练数据集时，学习模型参数(例如，均值和标准差) ...实际的random_state数是42，0，21，...重要的是，每次你使用42，你都会在第一次拆分时得到相同的输出。如果您想要可重现的结果，这是很有用的。

基于训练集的学习对测试集进行预测。

y_pred=logistic_regression.predict(X_test)