Ich muss wissen, wie man die logistischen Regressionskoeffizienten so zurückgibt, dass ich die vorhergesagten Wahrscheinlichkeiten selbst erzeugen kann.Scikit Learn: Logistische Regression Modellkoeffizienten: Erläuterung
Mein Code sieht wie folgt aus:
lr = LogisticRegression()
lr.fit(training_data, binary_labels)
# Generate probabities automatically
predicted_probs = lr.predict_proba(binary_labels)
ich die lr.coeff_ Werte angenommen hatte typische logistische Regression folgen würde, so dass ich die vorhergesagten Wahrscheinlichkeiten wie diese zurückkehren könnte:
sigmoid(dot([val1, val2, offset], lr.coef_.T))
Aber Das ist nicht die richtige Formulierung. Hat jemand das richtige Format zum Erzeugen vorhergesagter Wahrscheinlichkeiten von Scikit Learn LogisticRegression? Danke!
#prgao, danke, aber Ihre Antwort nur sagt mir, wie NICHT die Wahrscheinlichkeiten zu erzeugen. Weißt du, wie man sie berechnet? Vielen Dank. – zbinsd
Sigmoid (Punkt ([val1, val2], lr.coef_) + lr.intercept_) – prgao
#prgao, das hat es getan. Verdammt, ich dachte, das hätte 'sigmoid (dot ([val1, val2, 1], lr.coef_.T))' 'funktioniert, aber es stellt sich heraus, dass ich den Schnittpunkt zweimal einfügen muss, wie in:' sigmoid (dot ([val1, val2, 1], lr.coef_.T) + lr.intercept_) '. Danke, dass du darauf hingewiesen hast. – zbinsd