लॉजिस्टिक रिग्रेशन

Python में Probability की बुनियाद

Alexander A. Ramírez M.

CEO @ Synergy Vision

मूल डेटा

पढ़ाई के घंटे बनाम स्कोर डेटा

पास या फेल टेस्ट प्लॉट

कहाँ क्लासिफाई करें एनिमेशन प्लॉट

मॉडल से प्रायिकता गणना

लॉजिस्टिक फंक्शन प्लॉट

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

slope पैरामीटर से सिग्मोइड तेज़ होता एनिमेशन

intercept पैरामीटर के साथ सिग्मोइड प्लॉट

लॉजिस्टिक मॉडल से प्रायिकता गणना

लॉजिस्टिक मॉडल आउटकम प्लॉट

प्रायिकता गणना और गलत क्लासिफिकेशन

# 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])

Python में Probability की बुनियाद