Scikit Learn：ロジスティック回帰モデル係数：明確化

ロジスティック回帰係数を返す方法を知り、予測確率を自分で生成できるようにする必要があります。Scikit Learn：ロジスティック回帰モデル係数：明確化

sigmoid(dot([val1, val2, offset], lr.coef_.T))

しかし：私は、私はこのような予測確率を返すことができるように、典型的なロジスティック回帰をたどるlr.coeff_値を想定していた

lr = LogisticRegression() 
lr.fit(training_data, binary_labels) 

# Generate probabities automatically 
predicted_probs = lr.predict_proba(binary_labels)

：

私のコードは次のようになりますこれは適切な処方ではない。誰もScikit Learn LogisticRegressionから予測確率を生成するための適切なフォーマットを持っていますか？ありがとう！

出典

2013-09-24 zbinsd

はドキュメンテーション（http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html）を見て、オフセット係数はlr.coef_

coef_アレイ、形状決定に機能の= [n_classes-1、n_features]係数記憶されていません関数。 coef_は、liblinearの内部メモリレイアウトに続くraw_coef_から導かれたreadonlyプロパティです。 intercept_ array、shape = [n_classes-1]判定関数にを追加したインターセプト（a.k.a.バイアス）。パラメータ代行受信がTrueに設定されている場合にのみ使用できます。

試してみてください。

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

出典

2013-09-24 23:42:50 prgao

#prgao、おかげで、しかし、あなたの答えは私だけの確率を生成しない方法について説明します。あなたはそれらを計算する方法を知っていますか？ありがとう。 – zbinsd

sigmoid（ドット（[val1、val2]、lr.coef_）+ lr.intercept_） – prgao

#prgao、それはそれでした。ちょっと、これは 'sigmoid（dot（[val1、val2、1]、lr.coef_.T））'を実行したと考えましたが、（[val1、val2、1]、lr.coef_.T）+ lr.intercept_） 'である。これを指摘してくれてありがとう。 – zbinsd

Scikit Learn：ロジスティック回帰モデル係数：明確化

答えて

関連する問題