私はscikit-learnからintercept_=0.0
とLogisticRegressionを取得している理由を正当化するために苦労してきました。嵌合ロジスティック回帰は、以下のパラメータを有する:scikitのLogisticRegressionでintercept_ = 0.0を使用するのは正常ですか?
LogisticRegression(C=0.0588579519026603, class_weight='balanced',
dual=False, fit_intercept=True, intercept_scaling=6.2196752179914165,
max_iter=100, multi_class='ovr', n_jobs=1, penalty='l1',
random_state=1498059397, solver='liblinear', tol=0.0001,
verbose=0, warm_start=False)
私が使用しているデータセットは、以下の特性を有する:ユニークと
- 形状(113441、69)
- 1特徴(-1、私が
coef_
を探索することにより開始したユニーク(1、0)
0)
array([[-0.11210483, 0.09227395, 0.23526487, 0.1740976 , 0. ,
-0.3282085 , -0.41550312, 1.67325241, 0. , 0. ,
-0.06987265, 0. , -0.03053099, 0. , 0.09354742,
0.06188271, -0.24618392, 0.0368765 , 0. , 0. ,
-0.31796638, 1.75208672, -0.1270747 , 0.13805016, 0. ,
0.2136787 , -0.4032387 , -0.00261153, 0. , 0.17788052,
-0.0167915 , 0.34149755, 0.0233405 , -0.09623664, -0.12918872,
0. , 0.47359295, -0.16455172, -0.03106686, 0.00525001,
0.13036978, 0. , 0. , 0.01318782, -0.10392985,
0. , -0.91211158, -0.11622266, -0.18233443, 0.43319013,
-0.06818055, -0.02732619, 0. , -0.09166496, 0.03753666,
0.03857431, 0. , -0.02650828, 0.19030955, 0.70891911,
-0.07383034, -1.29428322, -0.69191842, 0. , 0.43798269,
-0.66869241, 0. , 0.44498888, -0.08931519]])
intercept_=0.0
と一緒に(原因L1ペナルティに期待されるが、右?)。
私はclass_weight=None
で試してみましたが、intercept_ != 0.0
を付け加えたいと思います。
この理由は何ですか?intercept_=0.0
?インターセプトも同様に正則化されていて、ゼロに設定されます(その他の係数はcoef_
)。それは単なる "運"でしたか?それは私のデータセットに起因するのでしょうか? LogisticRegression
へintercept_scaling
パラメータのdocstring から
私はscissit-learnロジスティック回帰 'liblinear' [ここ](https://github.com/scikit-learn/scikit-learn/blob/55c9443ca47eac25a3b878b47654444e59474f38f/sklearn/svm/base.py#)を見ました。 L903)、 'intercept_ = intercept_scaling * raw_coef_ [:, -1]'が見つかりました。しかし、これは良い習慣ですか?私はそれが傍受用語を正規化することは推奨されていないが、実際には文字列の理由が見つからなかったと読んだ。 – HLopes
'intercept_scaling = 6.2196752179914165'のデフォルト値は1であるため、より詳しく見てみたいと思います(' .fit'を呼び出すときに変更する必要はありません)。あなたのcsvデータをgoogleに投稿する可能性がありますか? docs?いずれにせよ、liblinear.train_wrapはインターセプト・ベクトルを正規化します。 –
Logitのハイパーパラメータのほとんどで、[skopt](https://scikit-optimize.github.io/)でハイパーパラメータ検索を行ったため、そのintercept_scaling値に到達しました。私はデータセットをアップロードしようとします – HLopes