الدالة اللوغستية#

يوضح الرسم البياني كيف أن الانحدار اللوجستي، في مجموعة البيانات الاصطناعية هذه، سيصنف القيم إما 0 أو 1، أي الفئة الأولى أو الثانية، باستخدام المنحنى اللوغستي.

plot logistic
# المؤلفون: مطوري سكايلرن
# معرف الترخيص: BSD-3-Clause

import matplotlib.pyplot as plt
import numpy as np
from scipy.special import expit

from sklearn.linear_model import LinearRegression, LogisticRegression

# توليد مجموعة بيانات تجريبية، هي عبارة عن خط مستقيم مع بعض الضوضاء الغاوسية:
xmin, xmax = -5, 5
n_samples = 100
np.random.seed(0)
X = np.random.normal(size=n_samples)
y = (X > 0).astype(float)
X[X > 0] *= 4
X += 0.3 * np.random.normal(size=n_samples)

X = X[:, np.newaxis]

# تدريب المصنف
clf = LogisticRegression(C=1e5)
clf.fit(X, y)

# رسم النتيجة
plt.figure(1, figsize=(4, 3))
plt.clf()
plt.scatter(X.ravel(), y, label="example data", color="black", zorder=20)
X_test = np.linspace(-5, 10, 300)

loss = expit(X_test * clf.coef_ + clf.intercept_).ravel()
plt.plot(X_test, loss, label="Logistic Regression Model", color="red", linewidth=3)

ols = LinearRegression()
ols.fit(X, y)
plt.plot(
    X_test,
    ols.coef_ * X_test + ols.intercept_,
    label="Linear Regression Model",
    linewidth=1,
)
plt.axhline(0.5, color=".5")

plt.ylabel("y")
plt.xlabel("X")
plt.xticks(range(-5, 10))
plt.yticks([0, 0.5, 1])
plt.ylim(-0.25, 1.25)
plt.xlim(-4, 10)
plt.legend(
    loc="lower right",
    fontsize="small",
)
plt.tight_layout()
plt.show()

Total running time of the script: (0 minutes 0.125 seconds)

Related examples

مربعات أقل غير سالبة

مربعات أقل غير سالبة

تقدير خطي قوي

تقدير خطي قوي

الانحدار الخطي العادي وانحدار ريدج والتباين

الانحدار الخطي العادي وانحدار ريدج والتباين

انحدار ثيل-سين

انحدار ثيل-سين

Gallery generated by Sphinx-Gallery