Python logistic回归预测

我想在散点图中绘制y_测试和预测。 我使用逻辑回归作为模型

from sklearn.linear_model import LogisticRegression

vectorizer = CountVectorizer()

X = vectorizer.fit_transform(df['Spam'])
y = df['Label']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.30, random_state=27)

lr = LogisticRegression(solver='liblinear').fit(X_train, y_train)
pred_log = lr.predict(X_test)

我试过如下方法

## Plot the model

plt.scatter(y_test, pred_log)
plt.xlabel("True Values")
plt.ylabel("Predictions")

我得到了这个：

我认为这不是我所期望的。

y\u测试

is（250，），类似地

pred\u日志

is（250，）

我是在考虑绘制错误的变量，还是它们是正确的？ 我不知道这四个值意味着什么。我本来希望情节中有更多的点，但也许我错了

---

如果你需要更多信息，请告诉我。谢谢

我想你知道逻辑回归是一种分类算法。如果你做二元分类，它将预测预测类是0还是1。如果你想得到关于模型预成型体的可视化，你应该考虑。你不能使用散点图来可视化分类结果。< /P>

import seaborn as sns
cm = confusion_matrix(y_true, y_pred)
sns.heatmap(cf_matrix, annot=True)

---

混淆矩阵显示有多少标签的预测正确，有多少标签的预测错误。查看混淆矩阵，您可以计算模型的准确度。我们可以使用不同的度量，如。

感谢您的回答和建议，Rajith。这很有道理，谢谢。我想问一下，用精确值绘制ROC是否也有用？ROC曲线是通过在各种阈值设置下绘制真阳性率（TPR）和假阳性率（FPR）来创建的。面积越大，模型越精确。