Regressão logística em Python - classificador de construção

Não é necessário construir o classificador do zero. Construir classificadores é complexo e requer conhecimento de várias áreas, como estatística, teorias de probabilidade, técnicas de otimização e assim por diante. Existem várias bibliotecas pré-construídas disponíveis no mercado que possuem uma implementação totalmente testada e muito eficiente desses classificadores. Usaremos um desses modelos pré-construídos dosklearn.

O classificador sklearn

A criação do classificador de regressão logística a partir do kit de ferramentas sklearn é trivial e é feita em uma única instrução de programa, conforme mostrado aqui -

In [22]: classifier = LogisticRegression(solver='lbfgs',random_state=0)

Depois que o classificador for criado, você alimentará seus dados de treinamento no classificador para que ele possa ajustar seus parâmetros internos e estar pronto para as previsões sobre seus dados futuros. Para ajustar o classificador, executamos a seguinte instrução -

In [23]: classifier.fit(X_train, Y_train)

O classificador agora está pronto para teste. O código a seguir é a saída da execução das duas instruções acima -

Out[23]: LogisticRegression(C = 1.0, class_weight = None, dual = False, 
   fit_intercept=True, intercept_scaling=1, max_iter=100, 
   multi_class='warn', n_jobs=None, penalty='l2', random_state=0, 
   solver='lbfgs', tol=0.0001, verbose=0, warm_start=False))

Agora, estamos prontos para testar o classificador criado. Trataremos disso no próximo capítulo.