Python 中的逻辑回归 - 构建分类器

不必从头开始构建分类器。构建分类器是一项复杂的工作，需要具备统计学、概率论、优化技术等领域的知识。市面上有许多可用的预构建库，这些库提供了经过全面测试且非常有效的分类器实现。我们将从sklearn中使用一个这样的预构建库。

scikit-learn 分类器

从 sklearn 工具包中创建逻辑回归分类器的步骤非常简单，只需一条程序语句即可，如下所示：

In [22]: classifier = LogisticRegression(solver='lbfgs',random_state=0)

创建分类器后，您需要将训练数据送入分类器，以便它可以调整其内部参数，并准备好对您未来数据进行预测。为了调整分类器，我们运行以下语句：

In [23]: classifier.fit(X_train, Y_train)

现在，分类器已准备好接受测试。以下代码是上述两条语句执行后的输出：

Out[23]: LogisticRegression(C = 1.0, class_weight = None, dual = False, 
   fit_intercept=True, intercept_scaling=1, max_iter=100, 
   multi_class='warn', n_jobs=None, penalty='l2', random_state=0, 
   solver='lbfgs', tol=0.0001, verbose=0, warm_start=False))

现在，我们可以开始测试所创建的分类器。我们将在下一章中解决这个问题。