반응형
Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- pycharm
- tensorflow
- 자료구조
- KNeighborsClassifier
- 웹 용어
- web 사진
- CES 2O21 참가
- 데이터전문기관
- classification
- inorder
- vscode
- web 용어
- paragraph
- java역사
- C언어
- 결합전문기관
- broscoding
- 대이터
- html
- bccard
- cudnn
- mglearn
- web 개발
- discrete_scatter
- 재귀함수
- postorder
- Keras
- CES 2O21 참여
- 머신러닝
- web
Archives
- Today
- Total
bro's coding
sklearn.LogisticRegression.predict_proba 본문
반응형
https://broscoding.tistory.com/129
머신러닝.linear_model.LogisticRegression(로지스틱 회귀)
import numpy as np import matplotlib.pyplot as plt # data 준비 from sklearn.datasets import make_blobs X,y=make_blobs(400,2,[[0,0],[5,5]],[2,3]) https://broscoding.tistory.com/128 머신러닝.datasets..
broscoding.tistory.com
# predict_proba()
# proba = probablity(확률)
# 0일 확률 1일 확률 표시
np.round(model.predict_proba(X)[:10],2)array([[0.94, 0.06],
[0.89, 0.11],
[0.14, 0.86],
[0.06, 0.94],
[0. , 1. ],
[0.01, 0.99],
[0.83, 0.17],
[0.87, 0.13],
[0. , 1. ],
[0. , 1. ]])
pred_y[:10],y[:10](array([0, 0, 1, 1, 1, 1, 0, 0, 1, 1]),
array([0, 0, 1, 1, 1, 1, 1, 0, 1, 1]))반응형
'[AI] > python.sklearn' 카테고리의 다른 글
| 머신러닝.sigmoid function 적용 (0) | 2020.04.13 |
|---|---|
| 머신러닝.linear_model.LogisticRegression(Class=4)(iris) (0) | 2020.04.13 |
| 머신러닝.LogisticRegression.C option 변화 관찰 (0) | 2020.04.13 |
| sklearn.linear_model.LogisticRegression(Class=3) (0) | 2020.04.13 |
| sklearn.sigmoid function (0) | 2020.04.13 |
| sklearn.linear_model.LogisticRegression(로지스틱 회귀) (0) | 2020.04.13 |
| sklearn.datasets .make_blobs 사용하기 (0) | 2020.04.13 |
| sklearn.linear regression.다차원(wine)등급 예상하기(정규화) (0) | 2020.04.10 |
'[AI]/python.sklearn' Related Articles
more
Comments