logistic-regression相关内容

SCRKIT-学习Logistic回归简历:最佳系数

我试图了解在Logistic回归交叉验证中如何计算最佳系数,其中“refit”参数为True。 如果我对docs的理解是正确的,那么最好的系数是首先确定最佳正则化参数“C”的结果,即在所有折叠上具有最高平均分数的C值。然后,最好的系数就是在最佳C得分最高的折叠上计算的系数。我假设,如果最大分数被几个折叠获得,则这些折叠的系数将被平均,以得到最佳系数(我在文档中没有看到任何关于如何处理这种情况的内容 ..

不带预报器的Sklearn回归

是否可以在sklearn中运行带有和不带有预测值(即只有截取)的回归(例如,Logistic回归)?这似乎是一个相当标准的类型分析,可能这个信息已经在输出中可用。 我找到的唯一相关内容是sklearn.svm.l1_min_c,但这将返回一个非空模型。 我正在寻找类似的东西,只截取的回归(Y = a + ε)与标准回归(Y = a + bX + ε):http://www.philen ..
发布时间:2022-07-17 23:42:31 Python

SkLearning和StatsModels给出了截然不同的Logistic回归答案

我正在对布尔0/1数据集进行Logistic回归(预测某个年龄超过某个金额的工资的概率),并且我使用sklearn和StatsModels得到了非常不同的结果,而skLearning是非常错误的。 为了使该函数更类似于StatsModels,我已将skLearning惩罚设置为None,并将Intercept Term设置为False,但我看不到如何让skLearning给出合理的答案。 ..
发布时间:2022-07-17 23:38:22 Python

什么时候微观和宏观平均值会有很大不同?

我正在学习机器学习理论。我有一个使用多类别Logistic回归的预测混淆矩阵。 现在我已经计算了微观和宏观平均值(精度和召回)。 值有很大不同。现在我想知道是什么因素影响了这一点。在什么情况下,微观和宏观会有很大的不同? 我注意到的是,对于不同的类别,预测的准确性是不同的。这就是原因吗?或者还有什么其他因素可以导致这种情况? 样本混淆矩阵: 和我计算的微观-宏观平均值 ..

有没有办法适当地调整这个逻辑回归函数,以说明多个自变量和固定效应?

我想对下面包含的LogitRegress函数进行修改,以包括其他自变量和固定效果。 以下代码改编自此处提供的答案:how to use sklearn when target variable is a proportion from sklearn.linear_model import LinearRegression from random import choices from ..

Logistic回归:成本函数没有减少

我目前正在上一门关于Coursera的Andrew Ng课程,我尝试在数据集上使用我所学到的关于Logistic回归的知识。但我不能使成本函数减小。 我尝试了不同的学习速率(0.0001、0.003、0.0001…)和迭代次数。可能是我写错了函数,但找不到错误 import numpy as np import scipy as sc import matplotlib.pyplot ..

响应为一定比例时的Logistic回归(使用JAG)

我正在尝试将Logistic回归模型拟合到JAGS中,但我得到的数据形式为(#Success y,#Trips n),而不是二进制变量。在R中,您可以通过使用带有“Weight”参数的GLM(y/n~)来将模型与这样的数据相匹配,但我不确定如何在JAG中匹配该模型。 这里有一个简单的例子,我希望它能解决我想要问的问题。请注意,我使用的是rjgs包。感谢您的帮助! y ..
发布时间:2022-04-19 21:09:14 其他开发

R中的加权Logistic回归

给定成功率的样本数据加上样本量和自变量,我在R中尝试Logistic回归。 下面的代码做了我想要的事情,似乎给出了合理的结果,但看起来不像是合理的方法;实际上它使数据集的大小翻了一番 datf ..
发布时间:2022-04-19 20:55:30 其他开发

混合效应Logistic回归

我正在尝试在Python语言中实现混合效果逻辑回归。作为比较,我在R中使用lme4包中的glmer函数。 我发现statsmodels模块有一个BinomialBayesMixedGLM应该能够适应这样的模型。但是,我遇到了一些问题: 我发现statsmodels函数的文档不完全有帮助或不清楚,因此我不完全确定如何正确使用该函数。 到目前为止,我的尝试还没有产生与我在R中使用glme ..
发布时间:2022-04-19 20:49:44 Python