Scikit Learn: Logistische Regression Modellkoeffizienten: Erläuterung

Question

Ich muss wissen, wie man die logistischen Regressionskoeffizienten so zurückgibt, dass ich die vorhergesagten Wahrscheinlichkeiten selbst erzeugen kann.

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!

Answer 1

einen Blick auf den Dokumentationen (http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) versetzt ist Koeffizient durch lr.coef_ Array

nicht gespeichert

coef_, shape = [n_classes-1, n_features] Koeffizient der Merkmale im Entscheidungs Funktion. coef_ ist die readonly-Eigenschaft von raw_coef_, die dem internen Speicherlayout von liblinear folgt. intercept_array, shape = [n_classes-1] Intercept (a.k.a.bias) hinzugefügt zur Entscheidungsfunktion. Sie ist nur verfügbar, wenn der Parameter intercept auf True gesetzt ist.

Versuch:

sigmoid(dot([val1, val2], lr.coef_) + lr.intercept_)