Können Sie Zählungen in der sklearn logistischen Regressionseingabe verwenden?

Question

Also, ich weiß, Sie Daten für eine logistische Regression in dieser Form zur Verfügung stellen können, dass in R:

model <- glm(cbind(count_1, count_0) ~ [features] ..., family = 'binomial')

Gibt es eine Möglichkeit etwas wie cbind(count_1, count_0) mit sklearn.linear_model.LogisticRegression zu tun? Oder muss ich eigentlich alle diese doppelten Zeilen bereitstellen? (Meine Funktionen sind kategorisch, so dass es eine Menge Redundanz geben würde.)

Answer 1

Wenn sie kategorisch sind - sollten Sie eine binarisierte Version davon bereitstellen. Ich weiß nicht, wie dieser Code in R funktioniert, aber du solltest dein kategorisches Feature immer in Binärform bringen. Weil Sie betonen müssen, dass jeder Wert Ihres Merkmals nicht mit einem anderen zusammenhängt, dh für das Merkmal "blood_type" mit möglichen Werten 1,2,3,4 muss Ihr Klassifikator lernen, dass 2 nicht mit 3 verbunden ist und 4 nicht bezogen auf 1 in irgendeiner Hinsicht. Dies wird durch Binarisierung erreicht.

Wenn Sie nach der Binarisierung zu viele Funktionen haben, können Sie die Dimensionalität des binarisierten Datasets durch FeatureHasher oder anspruchsvollere Methoden wie PCA reduzieren.