Hồi quy logistic

Nền tảng Xác suất trong Python

Alexander A. Ramírez M.

CEO @ Synergy Vision

Dữ liệu gốc

Dữ liệu giờ học so với điểm số

Đồ thị Đậu hoặc Trượt bài kiểm tra

Hoạt ảnh vẽ đường phân chia vị trí

Tính xác suất bằng mô hình

Đồ thị hàm logistic

$$ logistic(t) = logistic(slope*x + intercept) $$

tham số độ dốc làm đồ thị sigmoid dốc hơn (hoạt ảnh)

tham số chặn trong đồ thị hàm sigmoid

Tính xác suất với mô hình logistic

Đồ thị kết quả mô hình logistic

Tính xác suất và phân loại sai

# Import LogisticRegression
from sklearn.linear_model import LogisticRegression

# sklearn logistic model
model = LogisticRegression(C=1e9)
model.fit(hours_of_study, outcomes)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(beta1, beta0)

(1.3406531235010786, -15.05906237996095)

hours_of_study_test = [[10]]

outcome = model.predict(hours_of_study_test)
print(outcome)

array([False])

$$ $$

# Put value in an array
value = np.asarray(9).reshape(-1,1)
# Calculate the probability for 9 hours of study
print(model.predict_proba(value)[:,1])

array([0.04773474])

Nền tảng Xác suất trong Python