複数のバイナリ入力に基づく予測

Question

次のDataFrameがあるとします。ここで、A、B、C、Dは分類タスクのバイナリ結果です。 「1」は「仕上がり」に関連し、「0」は「仕上がっていない」に関連する。

A B C D True 
0 1 1 1 1 
1 0 0 0 0 
1 1 1 1 1 
1 1 1 1 1 
0 1 1 1 1 
0 0 0 0 0 
1 1 1 1 1 
0 1 0 0 1 
0 1 1 1 1 
1 1 1 1 1 
0 1 0 0 0 

私はそれがA, B, C, Dの値に依存True結果を予測する方法を可能だろう。

scikit learnで多変量ロジスティック回帰を適用しますか？

Answer 1

あなたはsklearn's LogisticRegressionを使用することができます。

from sklearn.linear_model import LogisticRegression 

endog = data.TRUE.values 
exog = data.drop('TRUE', axis=1).values 
model = LogisticRegression() 
model.fit(exog, endog) 

model.score(exog, endog) # mean accuracy 
# 0.90909090909090906 

model.predict(exog)  # your predicted values 
# array([1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1], dtype=int64) 

は、あなたが統計モデルを訓練して、すでにモデルを与えてきました（イン・サンプル）のデータに基づいて予測しようとしている。この例では覚えておいてください。 これは一般的には手の込んだ統計的練習とみなされますので、注意して進んでくださいまたはサンプル外のデータをテストしてください。