Мне нужно знать, как вернуть коэффициенты логистической регрессии таким образом, чтобы я мог самостоятельно генерировать предсказанные вероятности.Scikit Learn: Логистические коэффициенты модели регрессии: Уточнение
Мой код выглядит следующим образом:
lr = LogisticRegression()
lr.fit(training_data, binary_labels)
# Generate probabities automatically
predicted_probs = lr.predict_proba(binary_labels)
Я предположил, что значения lr.coeff_ будет следовать типичной логистической регрессии, так что я мог вернуться предсказанные вероятности, как это:
sigmoid(dot([val1, val2, offset], lr.coef_.T))
Но это не соответствующая формулировка. Кто-нибудь имеет надлежащий формат для генерации прогнозируемых вероятностей из Scikit Learn LogisticRegression? Спасибо!
#prgao, спасибо, но ваш ответ только говорит мне, как не генерировать вероятности. Вы знаете, как их вычислить? Благодарю. – zbinsd
сигмоид (точка ([val1, val2], lr.coef_) + lr.intercept_) – prgao
#prgao, это сделал. Черт, я полагал, что это сработало бы «сигмоид» (точка ([val1, val2, 1], lr.coef_.T)), но, оказывается, мне нужно включить перехват дважды, как в: 'sigmoid (точка ([val1, val2, 1], lr.coef_.T) + lr.intercept_) '. Спасибо за указание на это. – zbinsd