第二个玩具模型
在本练习中，您将使用逻辑回归在一个图像数据集上构建另一个分类器。每张图像表示一个数字 0 到 9。目标是将每张图像分类为一个数字，例如 7 或 9。所用特征是构成图像的特定像素值，取值范围为 0–16。与其手工计算准确率，您将使用 sklearn 中的 accuracy_score() 来评估模型的准确率。
示例图像数据已作为 image_data 加载，同时已导入 sklearn 和以 pd 命名的 pandas。LogisticRegression 可通过 sklearn.linear_model 使用。
本练习是课程的一部分
用 Python 预测 CTR 的机器学习实战
练习说明
- 获取
X的行数，以确定拆分训练数据与测试数据的索引位置。 - 创建一个逻辑回归分类器。
- 使用该分类器生成预测，并使用
sklearn.metrics中的accuracy_score()评估准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define X and y
X = image_data.data
y = image_data.target
# Define training and testing
split = int(0.7 * ____(X))
X_train, X_test, y_train, y_test = \
X[:split], X[split:], y[:split], y[split:]
# Create logistic regression classifier
clf = ____()
# Train classifier - predict label and evaluate accuracy
y_pred = clf.fit(X_train, y_train).____(X_test)
print(____(y_test, y_pred))