Lojistik Regresyon (Logistic Regression) belki de en popüler ve en iyi bilinen makine öğrenimi modelidir. Bir veri noktasının bir kategoriye ait olup olmadığını tahmin etmek için ikili sınıflandırma problemini çözer. Tahmin edilecek sınıf ya da kategori 0 veya 1, evet veya hayır, hastalıklı veya hastalıksız olmalıdır.
Veriler üzerinden rakamsal tahminler(boy, kilo, yas) yapıyorsak bu linear regresyon'a örnek olabilir fakat kategorik tahminler(erkek veya kadın) yapıyorsak bu Lojistik Regresyon (Logistic Regression)'a örnektir.
#1. kutuphaneler
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
veriler=pd.read_csv("veriler.csv")
#ulke,boy,kilo,yas,cinsiyet
x=veriler.iloc[:,1:4].values
y=veriler.iloc[:,4:].values
#Şimdi Train ve Test olarak ayırma işlemi yapalım
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.33,random_state=0)
#STANDARTLAŞTIRMA
from sklearn.preprocessing import StandardScaler
sc=StandardScaler()
X_train=sc.fit_transform(x_train)#fit_transform
X_test=sc.transform(x_test)#transform
#LOGISTIC REGRESSION
from sklearn.linear_model import LogisticRegression
log_r=LogisticRegression(random_state=0)
log_r.fit(X_train,y_train)#X den Y öğren
#şimdi öğrendiğin bilgi ile predict-tahmin yap
y_pred=log_r.predict(X_test)
print(y_pred)
