fit(X, y, sample_weight): O'rganish uchun ma'lumotlar to'plami asosida modelni qurish. Bu yerda X (tür: ikki o'lchamli massiv, [n_samples, n_features]) - modelning nozli o'zgaruvchilari, y (tür: massiv, [n_samples,]) - modelning bog'lang'ich o'zgaruvchilari, sample_weight (tür: massiv, [n_samples,]) - tanlovda har bir ma'lumotga berilgan individual vaznlar (ixtiyoriy).
predict(X): Test ma'lumot to'plami asosida modelning parameterlarini bashorat qilish.
score(X, y, sample_weight=None): Test ma'lumot to'plami asosida bashoratning sifatini baholash (1 ga teng bo'lgan eng yaxshi natija bo'ladigan koeffitsient determinatsiyani qaytaradi).
densify(): Koefitsientlar matrisini qalin massiv formatiga o'tkazish.
decision_function(X): Bu metod test örnekleri uchun ishonchlilik baholarni bashorat qiladi. Ya'ni, bu obyektning hiper-düzlemga bo'lgan masofasini belgilaydi. Natijada, ushbu usul ikkita sınıflandırma uchun (n_samples,) massivni yoki ko'plab klasslar uchun (n_samples, n_classes) massivni qaytaradi.
Logistik regressiya metodining chiziqli klassifikatsiya uchun ishlatilishi misolini ko'rsatuvchi 8.1 (algoritmning dasturiy kodi), 8.2 (algoritmning ish natijalari) va 8.3 (modelni vizualizatsiya qilishning dasturiy kodi) tasvirlanishi ko'rsatilgan.
Klassifikatsiya modellarini qurishning amaliyotlarini tasvirlash uchun biz faqat ikkita parametr va faqat binar klassifikatsiyani ishlatdik. Bundan tashqari, yuqoridagi barcha ma'lumotlar bir nechta bo'lmagan xususiyatlarga ega ma'lumot to'plamlari uchun klassifikatsiya qurish va ko'plab klasslarni qamrab oluvchi klassifikatsiya uchun qo'llaniladigan.
Koordinatalarni (uchta o'zgarmasdan) ko'plab chiziqli klassifikatsiya uchun logistik regressiya metodining ishlatilishining misoli rasm 8.4 (algoritmning dasturiy kodi) va 8.5 (algoritmning ish natijalari) bilan ko'rsatilgan.
Koordinatalarni (uchta klassdan) ko'plab lineyn klassifikatsiya uchun logistik regressiya metodining ishlatilishining misoli rasm 8.6 (algoritmning dasturiy kodi) va 8.7 (algoritmning ish natijalari) bilan ko'rsatilgan.
Natijalarni olish tezligini oshirish maqsadida chiziqli klassifikatsiya uchun ishlatiladigan logistik regressiya usuli, ichki kesib qolgan tekshiruvchi algoritmlar bilan takomillashtirilishi mumkin.
Kross-validatsiya (O'zaro tekshirish) - bu analitik modelni va uning mustaqil ma'lumotlarda qiladigan harakatlarini baholash usuli. Modelni baholash jarayonida mavjud bo'lgan ma'lumotlar k ta'riflarga bo'linadi.
Keyin k-1 ta ma'lumot qismida modelni o'rganish amalga oshiriladi, qolgan ma'lumot qismi testlash uchun ishlatiladi. Bu jarayon k marta takrorlanadi; natijada har bir k ma'lumotlarni testlash uchun ishlatiladi. Natijada, tanlangan modelning samaradorligi mavjud bo'lgan ma'lumotlarni eng teng tartibda ishlatish natijasida baholanadi.
Logistik regressiya usuli bilan chiziqli klassifikatsiya qurish uchun kross-validatsiya usuli ishlatilganida "LogisticRegressionCV" klassi ishlatiladi.
