Python Sklearn Logistic回归模型错误拟合
发布时间:2020-12-20 12:01:12 所属栏目:Python 来源:网络整理
导读:对于逻辑回归,我试图从Wikipedia logistic regression页面重现结果.所以,我的代码如下所示: import numpy as npfrom sklearn.linear_model import LogisticRegressionx = np.array([0.5,0.75,1,1.25,1.5,1.75,2,2.25,2.5,2.75,3,3.25,3.5,4,4.25,4.5,4.75,5
对于逻辑回归,我试图从Wikipedia
logistic regression页面重现结果.所以,我的代码如下所示:
import numpy as np from sklearn.linear_model import LogisticRegression x = np.array([0.5,0.75,1,1.25,1.5,1.75,2,2.25,2.5,2.75,3,3.25,3.5,4,4.25,4.5,4.75,5,5.5]) y = np.array([0,1]) logistic = LogisticRegression() logistic.fit(x[:,None],y) 但是如何获得拟合模型的摘要,具体如下: Coefficient Std.Error z-value P-value (Wald) Intercept ?4.0777 1.7610 ?2.316 0.0206 Hours 1.5046 0.6287 2.393 0.0167 这就是维基百科页面对拟合模型的影响.如果我尝试使用系数和截距的打印,我将收到如下内容: print(logistic.coef_) print(logistic.intercept_)
这显然是不同的. 问题是,为什么我的结果与维基百科页面上的结果不同? 解决方法
维基百科示例不包括模型参数的正则化,但sklearn的LogisticRegression默认使用L2正则化.
Set the inverse regularization strength,
C ,to a very high value to use no regularization,例如,
logistic = LogisticRegression(penalty='l2',C=1e4) logistic.fit(x[:,y) print(logistic.coef_) print(logistic.intercept_) # [[ 1.50459727]] # [-4.07757136] (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |