Logistic Regression은 분류 (Classification)
from sklearn.linear_model import LogisticRegression classifier = LogisticRegression() classifier.fit(x_train, y_train) y_pred = classifier.predict(x_test) y_pred_prob = classifier.predict_proba(x_test)
시그모이드함수 p
x_range = np.arange(min(x), max(x), 0.1) # p=1/(1+e^-y), y = mx+b = classifier.coef_ * x + classifier.intercept_) p = 1/(1+np.exp(-(classifier.coef_ * x_range + classifier.intercept_))) p = p.reshape(-1) # 1차원 배열로 변경, y와 동일한 형태로 변환
시각화
plt.scatter(x_train, y_train) plt.plot(x_range, p, 'orange') plt.scatter(x_test, y_test, color = 'green') plt.scatter(x_test, classifier.predict(x_test), color = 'red' ) # 확률 0.5 기준선 plt.plot(x_range, np.full(len(x_range), 0.5), color = 'grey')
Confusion Matrix
from sklearn.metrics import confusion_matrix cm = confusion_matrix(y_test, classifier.predict(x_test))
| True Negative (TP) – 불합격으로 예측 & 진짜 불합격 |
False Positive (FP) – 합격으로 예측 & 실제 불합격 |
| False Negative (FN) – 불합격으로 예측 & 실제 합격 |
True Positive (TP) – 합격으로 예측 & 진짜 합격 |