logistic-regression相关内容
我正在尝试实现正则逻辑回归的向量化版本.我发现了一则帖子,其中解释了规范化的版本,但我不理解. 为简便起见,我将复制以下代码: hx = sigmoid(X * theta);m =长度(X);J =(sum(-y'* log(hx)-(1-y')* log(1-hx))/m)+ lambda * sum(theta(2:end).^ 2)/(2 *m);梯度=((hx-y)'* X/m
..
当我使用逻辑回归拟合模型时,向我显示了诸如ValueError的值错误:惩罚项必须为正. C = [1e-4、1e-3、1e-2、1e-1、1e0、1e1、1e2、1e3、1e4]对于 C[-9:] 中的 i:logisticl2 = LogisticRegression(惩罚='l2',C = C)logisticl2.fit(X_train,Y_train)概率= logisticl2.p
..
我正在尝试使用matplotlib outlinef函数绘制决策区域(基于逻辑回归的输出).我正在使用的代码: subplot.contourf(x2,y2,P,cmap = cmap_light,alpha = 0.8) 其中x2和y2是通过numpy网格生成的两个2D矩阵.P是使用 计算的 P = clf.predict(numpy.c_ [x2.ravel(),y2.ravel
..
我有一个回归问题,我想使用逻辑回归-而不是逻辑分类-因为我的目标变量 y 是介于0和1之间的连续量.Python似乎完全是逻辑分类.我还研究了GLM实现,似乎都没有实现S型链接功能.有人可以指出我将Logistic回归作为回归算法的Python实现的方向. 解决方案 在statsmodels中,带值二项式族的GLM和离散模型Logit都允许连续的目标变量,只要值限制在[0,1]区间即可./
..
我正在尝试从头开始实现多类逻辑回归,但是我的实现返回了不好的结果.我相信梯度函数和成本函数的定义很好.这些功能与 minimize 功能的交互方式可能存在问题.我已经尝试过了,但是我找不到错误所在.你能给点灯吗? 您可以添加带有参数的估算器'myLR':myLR(** par_dict) par_dict = {'alpha':0.1,'maxit':2000,'opt_method':
..
我重新运行了大约两个月前没有任何错误的脚本. 我使用haven包上传了一个(非公开的和专有的)SPSS数据集和用于分析复杂调查数据的调查包. 但是,现在,即使我运行了一个简单的逻辑回归,其中两个变量都是虚拟变量(编码为0代表否,编码为1代表是)...类似这样的东西... f
..
我在R中使用mlogit函数时遇到了问题.我的数据集看起来像这样: personID caseID altID选择a1 a2 a3 a41 1 1 1 3 0 3 11 1 2 0 1 3 0 11 1 3 0 4 4 4 41 2 1 0 2 2 1 31 2 2 1 2 3 1 3等等.... 我尝试运行以下代码,执行模型. setV2
..
我是第一次使用statsmodels进行统计分析.在大多数情况下,我都会得到预期的答案,但是对于当以字符串形式输入时statsmodels为逻辑回归定义endg(因变量)进行逻辑回归的方式,有些事情我不太了解. 可以如下所示定义一个用于说明问题的熊猫数据框示例.yN,yA和yA2列代表定义endg变量的不同方法:yN是编码为0、1的二进制变量; yN是编码为0、1的二进制变量.yA是一个二进
..
我正在尝试使用R估算面板数据的逻辑单元固定效应模型.我的因变量是二进制的,并且在两年中每天针对13个位置进行测量.该模型的目的是根据x预测特定日期和位置的y值. 零
..
因此,我尝试使用python的statsmodels.api进行预测,以对二进制结果进行逻辑回归.我正在按照教程使用Logit.当我尝试对测试数据集进行预测时,每个记录的输出都是0到1之间的小数.它不应该给我零和一吗?或者我是否必须使用圆形函数或其他东西来转换这些. 不好意思,这个问题.我盯着我的旅程. 解决方案 预测值是给定解释变量的概率,更准确地说是观察到1的概率. 要获得
..
我是python机器学习和编码的完全入门者,我受过从零开始进行逻辑回归编码的任务,以了解幕后发生的事情.到目前为止,我已经对假设函数,成本函数和梯度下降进行了编码,然后对逻辑回归进行了编码.但是,在为打印精度进行编码时,我得到的输出很低(0.69),它不会随着迭代次数的增加或学习率的改变而变化.我的问题是,下面的我的准确性代码是否有问题?任何指向正确方向的帮助将不胜感激 X = data [[
..
def train(X_train,y_train,X_test,y_test,epochs,alpha,eta0):w,b = initialize_weights(X_train [0])loss_test = []N = len(X_train)对于我在范围(0,纪元)中:打印(i)对于范围(N-1)中的j:grad_dw = gradient_dw(X_train [j],y_train
..
我一直在使用sjplot创建一个组合表.这将创建一个HTML表.我想制作一张可以导出为word的表格. 我已经查看了这篇讨论复制和粘贴到单词中的帖子,但这改变了列和行的格式.将多个回归表输出为多个R 中的Word文档的页面 n1
..
我正在尝试对数据集运行多项多项逻辑回归.一旦我运行了一个模型,我就会尝试将我刚刚运行的模型附加到一个列表中,以便稍后访问特定模型.代码看起来像这样 models = []对于范围(0,10)中的i:模型= sklearn.linear_model.LogisticRegression()model.fit(x,y)models.append(model) 在每个 for 迭代中x和y不同.
..
在对数据集进行过度采样时,我遇到了一些问题.我所做的是以下事情: #单独的输入功能和目标y_up = df.LabelX_up = df.drop(columns = ['Date','Links','Paths'],axis = 1)#设置测试和训练集X_train_up,X_test_up,y_train_up,y_test_up = train_test_split(X_up,y_up,t
..
我想使用stargazer(具有相同的因变量)将多个单变量模型输出彼此格式化,而我不能让它们不并排显示. data(iris)观星者(multinom(Species〜Sepal.Length,data = iris),multinom(Species〜Sepal.Width,data = iris),类型=“文本",apply.coef = exp,p.auto =假,省略=“常量")
..
我想使用我的训练数据和测试数据为我的逻辑回归计算两个混淆矩阵: logitMod = 0.5,train
..
我正在尝试发现我的概率的边际影响(但是,如果有人知道如何通过logit回归来做到这一点,我可以改用那个).我的因变量(我的Y)告诉我一个人可以做的4种可能的动作,并按照进取的积极性进行排序(动作1:最积极的响应,动作4最不积极的响应).我的自变量是4个变量(均为连续变量),它们告诉我系统的状态.回归的目的是查看系统状态的变化如何影响反应的选择. 我看过几个软件包(mlogit,erer,VG
..
我试图在此处提供的数据集中使用 R 执行逻辑回归:
..
我正在尝试使用 statsmodels 实现逻辑回归(我需要摘要),但出现此错误: LinAlgError:奇异矩阵 我的df是数字的并且是相关的,因此我删除了非数字和常量特征.由于相关的功能,我尝试实现常规回归以及具有l1罚分(没有l2)的回归. 我试图检查矩阵等级并得到以下打印结果: print(len(df.columns))->156打印(np.linalg.matrix
..