调整"glm"中的调整参数.对比"rf"
我正在尝试使用train中的method = "glm"建立分类模型. 当我使用method = "rpart"时，它工作正常，但是当我切换到method = "glm"时，它给我一个错误提示 调整参数网格应具有列参数 我尝试使用 cpGrid = data.frame(.0001) 还 cpGrid = data.frame(expand.grid(.cp = se
..
logistic-regression相关内容
如何使用Spark正确获取合成数据集的权重?
我正在针对综合数据集在Spark上执行LogisticRegressionWithSGD.我已经使用香草梯度下降法在Matlab上计算了误差，R值为5％.我得到了用于生成y的模型中使用的相似权重.数据集是使用此示例生成的. 尽管我最终可以通过不同的步长调整获得非常接近的错误率，但是各个功能的权重并不相同.实际上，它变化很大.我尝试了LBFGS来产生火花，它能够在几次迭代中正确预测误差和重量.
..
比较两个向量(预测/预期)
我正在尝试进行接近浅引导的操作，但是我在处理数据类型时遇到了麻烦.这是脚本: library(languageR) data(dative) sub1
..
为什么multinom()为每个结果级别预测很多行概率?
我有一个简化的逻辑回归，其结果变量有6个级别:10,20,60,70,80,90 test
..
求出拟合曲线的斜线的交点
我使用以下代码绘制了一条拟合的逻辑曲线: 数据:L50 str(L50) "data.frame":10磅.的3个变量: $ Length.Class:int 50 60 70 80 90 100 110 120 130 140 $ Total.Ind:int 9 20 18 8 4 4 1 0 1 2 $ Mature.Ind:int 0 0 6 5 3 2
..
为什么对于多个模型，我获得了较高的准确性，但ROC AUC却很低?
我的数据集大小为42542 x 14，我正在尝试构建不同的模型，例如逻辑回归，KNN，RF，决策树，并比较精度. 对于每种型号，我得到的都是高精度，但ROC AUC却很低. 数据包含约85％的目标变量= 1的样本和15％的目标变量0的样本.我尝试采集样本以解决这种不平衡问题，但仍然得出相同的结果. glm的系数如下: glm(formula = loan_status ~
..
如何处理虚拟变量的共线性以进行线性回归?
我在家庭特征数据集中使用scikit-learn LogisticRegression，并试图了解如何准备自变量. 我创建了二进制虚拟变量来代替分类变量. 例如具有3个可能值DetachedHouse，SemiDetached和Apartment的变量DWELLING_TYPE已替换为3个二进制变量DWELLING_TYPE_DetachedHouse，DWELLING_TYPE_SemiD
..
错误:在使用caret()进行逻辑回归时，请为x使用列名
我想使用插入符号包构建逻辑回归模型. 这是我的代码. library(caret) df
..
如何在线性分类器中应用类权重进行二进制分类?
这是我用来执行二进制分类的线性分类器，这是代码片段: my_optimizer = tf.train.AdagradOptimizer(learning_rate = learning_rate) my_optimizer = tf.contrib.estimator.clip_gradients_by_norm(my_optimizer,5.0) # Create a linear cla
..
预言.glmnet:某些因素在新数据中仅具有一个层次
我已经使用glmnet在R中训练了一个弹性网络模型，并希望使用它来根据新数据集进行预测. 但是我在生成矩阵以用作predict()方法中的参数时遇到了麻烦，因为在新数据集中我的某些因子变量(指示合并症的虚拟变量)只有一个级别(合并症)从未被观察到)，这意味着我无法使用 model.matrix(RESPONSE〜.，new_data) 因为它给了我(期望的) contras
..
如何建模R中自变量之间的所有关系?
我有一个小型数据集，其中包含4个独立变量(分别称为a，b，c，d)和1个因变量.由于自变量很少，因此我想探索这些变量的所有组合.只能有14个模型(a，b，c，d，a + b，a + c，a + d，b + c，b + d，c + d，a + b + c，a + b + d ，b + c + d，a + b + c + d). 我手动建立所有模型，这很耗时.因此，我想使其自动化. R中有可能吗?
..
逻辑回归预测"NA"为0. R中的概率-为什么?
我已经使用以下代码在R中进行了逻辑回归: logistic.train.model3
..
有序logit R polr的聚类标准错误-估计中删除的值
我对R相当陌生，并且习惯了非常基本的应用程序. 现在我遇到了需要帮助的问题: 我正在寻找一种有序逻辑回归的集群标准错误(我的估算类似于我已经尝试过 robcov 和 vcovCL ，它们给了我类似的错误消息: meatCL(x，cluster = cluster，type = type，...)中的错误:数量 'cluster'和'estfun()'中的观测值不匹配 u [，ii]中
..
逻辑回归模型原始预测字段背后的pyspark 2.2.0概念
我试图理解Pyspark中从逻辑回归模型生成的输出的概念. 任何人都可以解释由逻辑回归模型生成的rawPrediction字段计算背后的概念吗? 谢谢. 解决方案 在旧版本的Spark中 “原始"预测的含义在算法之间可能会有所不同，但是它直观地给出了对每个可能标签的置信度的度量(其中较大=更可信). 它在以后的版本中不存在，但是您仍然可以在Scala中找到它无论如何，除了不幸
..
使用Spark ml进行逻辑回归(数据框)
我为逻辑回归编写了以下代码，我想使用spark.ml提供的管道API.但是，在尝试打印系数和截距后，它给了我一个错误.另外，我在计算混淆矩阵和其他指标(如精度，召回率)时遇到了麻烦. #Logistic Regression: from pyspark.mllib.linalg import Vectors from pyspark.ml.classification import Logi
..
drc:使用互动条款时drm中的错误
我想对drc R包中的以下数据进行log-logistic回归拟合，以适应临时性和多样性.但是，我的代码抛出以下错误 Error in Temp:Variety : NA/NaN argument 代码: df2
..
是使用Logistic回归进行情感分析时获得肯定或否定程度的一种方法
我一直在跟踪有关使用Logistic回归进行情感分析的示例，其中预测结果仅给出1或0分别给出正面或负面的情绪. 我的挑战是我想将给定的用户输入分类为四个类别(非常好，好，平均，差)之一，但是我的预测结果每次都是1或0. 下面是到目前为止我的代码示例 from sklearn.feature_extraction.text import CountVectorizer from v
..
优雅地将费率摘要行转换为长二进制响应行?
背景:我正在进行一点A/B测试，使用2x2因子(前景的黑色和背景的白色，异色与正常颜色)和 rates
..
循环将对所有自变量运行Logistic回归，并显示AUC和
我想使用所有可用变量运行逻辑回归的因变量(在我的数据集中为dat$admit)，每个回归均具有其自己的自变量与因变量.我想得到的结果是每个回归摘要的列表:coeff，p-value，AUC.使用下面提交的数据集，应该进行3个回归. 这是一个示例数据集(其中admit是逻辑回归因变量): >dat
..
如何在Python的某个键处以另一个数组填充NPArray?
我有一个名为x的数据框.这由2列组成，看起来像这样(712，2): SibSp Parch 731 0 0 230 1 0 627 0 0 831 1 1 391 0 0 ................. 由于需要'自由权重'的逻辑回归，我构建了newX变量，其形状与x数据框
..