sklearn scikit modelo machine logit logisticregression logistic learning learn example python scikit-learn logistic-regression

python - machine - Scikit Learn: Coeficientes del modelo de regresión logística: Aclaración



scikit learn regression models (1)

Eche un vistazo a las documentaciones ( http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html ), el coeficiente de compensación no se almacena por lr.coef_

coef_ array, shape = [n_classes-1, n_features] Coeficiente de las características en la función de decisión. coef_ es una propiedad de solo lectura derivada de raw_coef_ que sigue el diseño de la memoria interna de liblinear. intercept_ array, shape = [n_classes-1] Intercept (también conocido como sesgo) agregado a la función de decisión. Está disponible solo cuando el parámetro de intercepción se establece en Verdadero.

tratar:

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

Necesito saber cómo devolver los coeficientes de regresión logística de tal manera que yo mismo pueda generar las probabilidades predichas.

Mi código se ve así:

lr = LogisticRegression() lr.fit(training_data, binary_labels) # Generate probabities automatically predicted_probs = lr.predict_proba(binary_labels)

Había asumido que los valores de lr.coeff_ seguirían la regresión logística típica, de modo que podría devolver las probabilidades predichas de esta manera:

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

Pero esta no es la formulación adecuada. ¿Alguien tiene el formato adecuado para generar probabilidades predichas desde Scikit Learn LogisticRegression? ¡Gracias!