Sklearn逻辑回归，绘制概率曲线图

Question

我正在尝试创建类似于 ISLR 示例的逻辑回归，但使用的是 python

data=pd.read_csv("data/Default.csv")

#first we'll have to convert the strings "No" and "Yes" to numeric values
data.loc[data["default"]=="No", "default"]=0
data.loc[data["default"]=="Yes", "default"]=1
X = data["balance"].values.reshape(-1,1)
Y = data["default"].values.reshape(-1,1)

LogR = LogisticRegression()
LogR.fit(X,np.ravel(Y.astype(int)))

#matplotlib scatter funcion w/ logistic regression
plt.scatter(X,Y)
plt.xlabel("Credit Balance")
plt.ylabel("Probability of Default")

但是当我想要右边的图表时，我总是得到左边的图表：

编辑：plt.scatter(x,LogR.predict(x)) 是我的第二个，也是错误的猜测。

Answer 1

您可以通过以下语法使用 seaborn regplot

import seaborn as sns
sns.regplot(x='balance', y='default', data=data, logistic=True)

Answer 2

你使用 predict(X) 给出了 class 的预测。将 predict(X) 替换为 predict_proba(X)[:,1]，这将给出数据属于 class 1.

的概率

Answer 3

x_range = 80
Xs = [i for i in range(x_range)]
Ys = [model.predict_proba([[value]])[0][1] for value in range(x_range)]

plt.scatter(df['X'], df['y'])
plt.plot(Xs, Ys, color='red')

Sklearn逻辑回归，绘制概率曲线图

Sklearn logistic regression, plotting probability curve graph

python

scatter-plot

pandas

scikit-learn