Scikit Learn: Логистические коэффициенты модели регрессии: Уточнение
Мне нужно знать, как вернуть коэффициенты логистической регрессии таким образом, чтобы я мог самостоятельно генерировать предсказанные вероятности.
Мой код выглядит следующим образом:
lr = LogisticRegression()
lr.fit(training_data, binary_labels)
# Generate probabities automatically
predicted_probs = lr.predict_proba(binary_labels)
Я предположил, что значения lr.coeff_ будут следовать типичной логистической регрессии, так что я мог бы вернуть предсказанные вероятности следующим образом:
sigmoid( dot([val1, val2, offset], lr.coef_.T) )
Но это не соответствующая формулировка. Кто-нибудь имеет надлежащий формат для генерации прогнозируемых вероятностей из Scikit Learn LogisticRegression?
Спасибо!
Ответы
Ответ 1
взгляните на документацию (http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html), коэффициент корреляции не сохраняется lr.coef _
coef_ array, shape = [n_classes-1, n_features] Коэффициент функции в функции принятия решений. coef_ - свойство readonly, полученное из raw_coef_, который следует за компоновкой внутренней памяти liblinear. массив intercept_, shape = [n_classes-1] Добавлен перехват (смещение a.k.a.) к функции принятия решения. Он доступен только тогда, когда параметр для перехвата установлено значение True.
попробовать:
sigmoid( dot([val1, val2], lr.coef_) + lr.intercept_ )
