7、机器学习中的分类模型：原理、评估与实践

机器学习中的分类模型：原理、评估与实践

1. 逻辑回归模型基础

逻辑回归是一种常用的机器学习算法，可用于分类问题。在Python中，我们可以使用 LogisticRegression 类来创建和训练模型。以下是一个简单的示例代码：

model = LogisticRegression()
model.fit(x, y)

训练好模型后，我们可以使用 predict 方法预测输入所属的类别，或者使用 predict_proba 方法获取每个类别的计算概率。例如，对于一个训练好的逻辑回归模型，我们可以预测 x = 10 对应的类别：

predicted_class = model.predict([[10.0]])[0]
print(predicted_class) # 输出类别
predicted_probabilities = model.predict_proba([[10.0]])[0]
print(f'Class 0: {predicted_probabilities[0]}') 
print(f'Class 1: {predicted_probabilities[1]}') 

此外，Scikit-learn还提供了 LogisticRegressionCV 类，用于内置交叉验证的逻辑回归模型训练。以下是使用五折交叉验证训练模型的代