Menu
×

Được chứng nhận

Ghi lại kiến ​​thức của bạn

Đăng nhập Đăng ký

Tạo Tài khoản Example.com.vn miễn phí để cải thiện trải nghiệm học tập của bạn

Người tìm đường và việc học của tôi

Theo dõi tiến độ học tập của bạn tại Example.com.vn và thu thập phần thưởng

Nâng cấp

Trở thành người dùng PLUS và mở khóa các tính năng mạnh mẽ (không có quảng cáo, lưu trữ, hỗ trợ, ..)

Bắt đầu từ đâu

Bạn không chắc chắn muốn bắt đầu từ đâu? Đi theo con đường được hướng dẫn của chúng tôi

Trình chỉnh sửa mã (Dùng thử)

Với trình chỉnh sửa mã trực tuyến của chúng tôi, bạn có thể chỉnh sửa mã và xem kết quả trong trình duyệt của mình

Video

Tìm hiểu những điều cơ bản về HTML qua video hướng dẫn thú vị và hấp dẫn

Mẫu

Chúng tôi đã tạo một loạt mẫu trang web đáp ứng mà bạn có thể sử dụng - miễn phí!

Web hosting

Lưu trữ trang web của riêng bạn và chia sẻ nó với mọi người với Example.com.vn Spaces

Tạo một máy chủ

Tạo máy chủ của riêng bạn bằng Python, PHP, React.js, Node.js, Java, C#, v.v.

Làm thế nào để

Bộ sưu tập lớn các đoạn mã cho HTML, CSS và JavaScript

Khung CSS

Xây dựng các trang web nhanh và phản hồi bằng cách sử dụng khung W3.CSS miễn phí của chúng tôi

Thống kê trình duyệt

Đọc xu hướng dài hạn của việc sử dụng trình duyệt

Tốc độ gõ

Kiểm tra tốc độ đánh máy của bạn

Đào tạo AWS

Tìm hiểu dịch vụ web của Amazon

Bộ chọn màu

Sử dụng công cụ chọn màu của chúng tôi để tìm các màu RGB, HEX và HSL khác nhau. Bánh xe màu hình tròn thể hiện sự chuyển màu của màu trong quang phổ

Trò chơi mã

Trò chơi mã hóa W3Schools! Giúp linh miêu thu thập nón thông Logo Lynx

Đặt mục tiêu

Nhận hành trình học tập được cá nhân hóa dựa trên các kỹ năng và mục tiêu hiện tại của bạn

Bản tin

Tham gia bản tin của chúng tôi và có quyền truy cập vào nội dung độc quyền mỗi tháng

Việc làm

Thuê những tài năng công nghệ hàng đầu. Hợp lý hóa quy trình tuyển dụng của bạn để có đội ngũ phù hợp hoàn hảo

Lớp học

Hãy liên hệ để sử dụng Example.com.vn Plus và các chứng chỉ với tư cách là một tổ chức giáo dục

×
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP CÁCH W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS AN NINH MẠNG DỮ LIỆU KHOA HỌC

Hướng dẫn Python

Python TRANG CHỦ Python Giới thiệu Python Python Bắt đầu Cú pháp Python Bình luận Python Biến Python Các kiểu dữ liệu Python Số Python Python Casting Chuỗi Python Python Booleans Toán tử Python Danh sách Python Bộ dữ liệu Python Bộ Python Từ điển Python Python If...Else Python While Loops Python For Loops Hàm Python Python Lambda Python Mảng Python Lớp/Đối tượng Python Kế thừa Python Vòng lặp Python Đa hình Python Phạm vi Python Mô-đun Python Python Ngày tháng Toán học Python Python JSON Python RegEx Python PIP Python Thử...Ngoại trừ người dùng Python Nhập định dạng chuỗi Python

Xử lý tập tin

Xử lý tệp Python Python Đọc tệp Python Viết/Tạo tệp Python Xóa tệp

Mô-đun Python

Hướng dẫn NumPy Hướng dẫn Pandas Hướng dẫn SciPy Hướng dẫn Django

Python Matplotlib

Matplotlib Giới thiệu Matplotlib Bắt đầu Matplotlib Pyplot Matplotlib Vẽ đồ thị Matplotlib Dấu Matplotlib Dòng Matplotlib Nhãn Matplotlib Lưới Matplotlib Subplot Matplotlib Phân tán Thanh Matplotlib Matplotlib Biểu đồ Matplotlib Biểu đồ hình tròn

Học máy

Bắt đầu Chế độ trung bình trung bình Độ lệch chuẩn Phân vị phần trăm Phân phối dữ liệu Phân phối dữ liệu bình thường Phân tán Biểu đồ Hồi quy tuyến tính Hồi quy đa thức Đa hồi quy Thang đo Train/Test Cây quyết định Ma trận nhầm lẫn Phân cụm phân cấp Hồi quy logistic Tìm kiếm lưới Dữ liệu phân loại K-mean Bootstrap Tổng hợp Xác thực chéo AUC - ROC Curve K- hàng xóm gần nhất

Python MySQL

MySQL Bắt đầu MySQL Tạo cơ sở dữ liệu MySQL Tạo bảng MySQL Chèn MySQL Chọn MySQL Nơi MySQL Thứ tự theo MySQL Xóa MySQL Drop Table Cập nhật MySQL Giới hạn MySQL MySQL Tham gia

Python MongoDB

MongoDB Bắt đầu MongoDB Tạo DB Bộ sưu tập MongoDB MongoDB Chèn MongoDB Tìm Truy vấn MongoDB MongoDB Sắp xếp MongoDB Xóa Bộ sưu tập thả MongoDB Cập nhật MongoDB Giới hạn MongoDB

Tham khảo Python

Tổng quan về Python Các hàm dựng sẵn của Python Phương thức chuỗi Python Phương thức danh sách Python Phương thức từ điển Python Phương thức Tuple Python Phương thức Python Set Phương thức tệp Python Từ khóa Python Ngoại lệ Python Bảng thuật ngữ Python

Tham khảo mô-đun

Yêu cầu mô-đun ngẫu nhiên Mô-đun thống kê Mô-đun Toán học Mô-đun cMath

Python Cách thực hiện

Xóa danh sách trùng lặp Đảo ngược một chuỗi Thêm hai số

Ví dụ về Python

Ví dụ về Python Trình biên dịch Python Bài tập Python Bài kiểm tra Python Máy chủ Python Python Bootcamp Chứng chỉ Python

Học máy - Hồi quy logistic


Trên trang này, W3schools.com hợp tác với Học viện Khoa học Dữ liệu NYC để cung cấp nội dung đào tạo kỹ thuật số cho sinh viên của chúng tôi.


Hồi quy logistic

Hồi quy logistic nhằm mục đích giải quyết các vấn đề phân loại. Nó thực hiện điều này bằng cách dự đoán các kết quả được phân loại, không giống như hồi quy tuyến tính dự đoán một kết quả liên tục.

Trong trường hợp đơn giản nhất, có hai kết quả, được gọi là nhị thức, một ví dụ trong đó là dự đoán khối u là ác tính hay lành tính. Các trường hợp khác có nhiều hơn hai kết quả cần phân loại, trường hợp này gọi là đa thức. Một ví dụ phổ biến cho hồi quy logistic đa thức là dự đoán loại hoa iris giữa 3 loài khác nhau.

Ở đây chúng ta sẽ sử dụng hồi quy logistic cơ bản để dự đoán một biến nhị thức. Điều này có nghĩa là nó chỉ có hai kết quả có thể xảy ra.


Làm thế nào nó hoạt động?

Trong Python, chúng tôi có các mô-đun sẽ thực hiện công việc cho chúng tôi. Bắt đầu bằng cách nhập mô-đun NumPy.

import numpy

Lưu trữ các biến độc lập trong X.

Lưu trữ biến phụ thuộc trong y.

Dưới đây là một tập dữ liệu mẫu:

#X represents the size of a tumor in centimeters.
X = numpy.array([3.78, 2.44, 2.09, 0.14, 1.72, 1.65, 4.92, 4.37, 4.96, 4.52, 3.69, 5.88]).reshape(-1,1)

#Note: X has to be reshaped into a column from a row for the LogisticRegression() function to work.
#y represents whether or not the tumor is cancerous (0 for "No", 1 for "Yes").
y = numpy.array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1])

Chúng tôi sẽ sử dụng một phương thức từ mô-đun sklearn, vì vậy chúng tôi cũng sẽ phải nhập mô-đun đó:

from sklearn import linear_model

Từ mô-đun sklearn, chúng ta sẽ sử dụng phương thức LogisticRegression() để tạo đối tượng hồi quy logistic.

Đối tượng này có một phương thức gọi là fit() lấy các giá trị độc lập và phụ thuộc làm tham số và điền vào đối tượng hồi quy dữ liệu mô tả mối quan hệ:

logr = linear_model.LogisticRegression()
logr.fit(X,y)

Bây giờ chúng ta có một đối tượng hồi quy logistic sẵn sàng cho việc liệu một khối u có phải là ung thư hay không dựa trên kích thước khối u:

#predict if tumor is cancerous where the size is 3.46mm:
predicted = logr.predict(numpy.array([3.46]).reshape(-1,1))

Ví dụ

Xem toàn bộ ví dụ thực tế:

import numpy
from sklearn import linear_model

#Reshaped for Logistic function.
X = numpy.array([3.78, 2.44, 2.09, 0.14, 1.72, 1.65, 4.92, 4.37, 4.96, 4.52, 3.69, 5.88]).reshape(-1,1)
y = numpy.array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1])

logr = linear_model.LogisticRegression()
logr.fit(X,y)

#predict if tumor is cancerous where the size is 3.46mm:
predicted = logr.predict(numpy.array([3.46]).reshape(-1,1))
print(predicted)

Kết quả

 [0]
Chạy ví dụ »

Chúng tôi đã dự đoán rằng một khối u có kích thước 3,46mm sẽ không phải là ung thư.


QUẢNG CÁO


hệ số

Trong hồi quy logistic, hệ số là sự thay đổi dự kiến ​​trong log-tỷ lệ có kết quả trên mỗi đơn vị thay đổi trong X.

Điều này không có sự hiểu biết trực quan nhất vì vậy hãy sử dụng nó để tạo ra thứ gì đó có ý nghĩa hơn, tỷ lệ cược.

Ví dụ

Xem toàn bộ ví dụ thực tế:

import numpy
from sklearn import linear_model

#Reshaped for Logistic function.
X = numpy.array([3.78, 2.44, 2.09, 0.14, 1.72, 1.65, 4.92, 4.37, 4.96, 4.52, 3.69, 5.88]).reshape(-1,1)
y = numpy.array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1])

logr = linear_model.LogisticRegression()
logr.fit(X,y)

log_odds = logr.coef_
odds = numpy.exp(log_odds)

print(odds)

Kết quả

 [4.03541657]
Chạy ví dụ »

Điều này cho chúng ta biết rằng khi kích thước của khối u tăng thêm 1mm thì khả năng nó trở thành khối u ung thư tăng gấp 4 lần.


Xác suất

Hệ số và giá trị chặn có thể được sử dụng để tìm ra xác suất mỗi khối u là ung thư.

Tạo một hàm sử dụng hệ số của mô hình và các giá trị chặn để trả về một giá trị mới. Giá trị mới này thể hiện xác suất quan sát đã cho là một khối u:

def logit2prob(logr,x):
log_odds = logr.coef_ * x + logr.intercept_
odds = numpy.exp(log_odds)
probability = odds / (1 + odds)
return(probability)

Giải thích chức năng

Để tìm tỷ lệ logarit cho mỗi quan sát, trước tiên chúng ta phải tạo một công thức trông giống với công thức hồi quy tuyến tính, trích xuất hệ số và điểm chặn.

log_odds = logr.coef_ * x + logr.intercept_

Để chuyển đổi tỷ lệ log thành tỷ lệ cược, chúng ta phải lũy thừa tỷ lệ log.

odds = numpy.exp(log_odds)

Bây giờ chúng ta có tỷ lệ cược, chúng ta có thể chuyển nó thành xác suất bằng cách chia nó cho 1 cộng với tỷ lệ cược.

probability = odds / (1 + odds)

Bây giờ chúng ta hãy sử dụng hàm với những gì chúng ta đã học để tìm ra xác suất mỗi khối u là ung thư.

Ví dụ

Xem toàn bộ ví dụ thực tế:

import numpy
from sklearn import linear_model

X = numpy.array([3.78, 2.44, 2.09, 0.14, 1.72, 1.65, 4.92, 4.37, 4.96, 4.52, 3.69, 5.88]).reshape(-1,1)
y = numpy.array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1])

logr = linear_model.LogisticRegression()
logr.fit(X,y)

def logit2prob(logr, X):
  log_odds = logr.coef_ * X + logr.intercept_
  odds = numpy.exp(log_odds)
  probability = odds / (1 + odds)
  return(probability)

print(logit2prob(logr, X))

Kết quả


  [[0,60749955]
   [0.19268876]
   [0.12775886]
   [0,00955221]
   [0,08038616]
   [0,07345637]
   [0.88362743]
   [0.77901378]
   [0.88924409]
   [0.81293497]
   [0,57719129]
   [0.96664243]]
   

Chạy ví dụ »

Kết quả được giải thích

3,78 0,61 Xác suất khối u có kích thước 3,78cm là ung thư là 61%.

2,44 0,19 Xác suất một khối u có kích thước 2,44cm là ung thư là 19%.

2,09 0,13 Xác suất một khối u có kích thước 2,09cm là ung thư là 13%.


×

Liên hệ bán hàng

Nếu bạn muốn sử dụng dịch vụ của Example.com.vn với tư cách là một tổ chức giáo dục, nhóm hoặc doanh nghiệp, hãy gửi email cho chúng tôi:
[email được bảo vệ]

Báo cáo lỗi

Nếu bạn muốn báo cáo lỗi hoặc nếu bạn muốn đưa ra đề xuất, hãy gửi email cho chúng tôi:
[email được bảo vệ]

Example.com.vn được tối ưu hóa cho việc học tập và đào tạo. Các ví dụ có thể được đơn giản hóa để cải thiện khả năng đọc và học. Các hướng dẫn, tài liệu tham khảo và ví dụ liên tục được xem xét để tránh sai sót, nhưng chúng tôi không thể đảm bảo tính chính xác hoàn toàn của mọi nội dung. Khi sử dụng W3Schools, bạn đồng ý đã đọc và chấp nhận các điều khoản sử dụng , chính sách cookie và quyền riêng tư của chúng tôi.

Bản quyền 1999-2024 của Refsnes Data. Đã đăng ký Bản quyền. Example.com.vn được cung cấp bởi W3.CSS .