030_【分類】ロジスティック回帰のモデルの使い方

• 【前回】029_【分類】ロジスティック回帰（ここをクリック）

前回学習したロジスティック回帰を実際にPythonで確認してみましょう！

モデルの使い方

以上の流れで今回も機械学習を行っていきます！

上記の書式を用いて線形回帰のモデルはLogisticRegressionで作成します。学習させたモデルにpredict命令で説明変数Xを渡すと予測結果が帰ってきます。

データを用意する

ロジスティック回帰で使用するデータセットを自動生成しましょう。
ランダムの種：５
特徴量：２
塊数：２
ばらつき：１
点の数：300
そして作成したデータの特徴量とターゲット変数yの値を確認しておきましょう！

コード

# ランダムの種：5、特徴量：2、塊数：2、ばらつき：1、点の数：300個のデータセットを作成


from sklearn.datasets import make_blobs

X, y = make_blobs(    #1
    random_state=3,
    n_features=2,    
    centers=2,
    cluster_std=1,
    n_samples=300)

df = pd.DataFrame(X)
print(df.head())
print(y)

参考資料：Python3年生機械学習のしくみ

実行結果

続けて散布図も表示して確認しましょう。

コード

#　1番目の引数を「None」にして散布図のみを表示

plot_boundary(None, df[0], df[1], y, "df [0]", "df [1]")

参考資料：Python3年生機械学習のしくみ

実行結果

2つに分類ができそうなデータを作成することができました！

• 【次回】031_【分類】ロジスティック回帰のモデルの確認（ここをクリック）