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

scikit learn regression models

Question

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!

Answer 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_ )