8、机器学习分类器：从逻辑回归到核SVM的全面解析

机器学习分类器：从逻辑回归到核SVM的全面解析

1. 逻辑回归中的类别预测与正则化

1.1 类别预测

在逻辑回归中， predict_proba 方法可输出样本属于各个类别的概率。每一行对应一朵花的类别隶属概率，且每一行的概率之和为 1。例如，通过以下代码可验证前三行概率之和为 1：

lr.predict_proba(X_test_std[:3, :]).sum(axis=1)

要获取预测的类别标签，可通过找出每行中概率最大的列来实现，可使用 NumPy 的 argmax 函数：

lr.predict_proba(X_test_std[:3, :]).argmax(axis=1)

不过，在实际使用 scikit-learn 时，更便捷的方式是直接调用 predict 方法：

lr.predict(X_test_std[:3, :])

若要预测单个样本的类别标签，需注意 scikit-learn 期望输入为二维数组，可使用 NumPy 的 reshape 方法将单个行切片转换为二维数组：

lr.predict(X_test_std[0, :].r