个人中心
文章发布
退出
作者热门文章
- mongodb - 在 MongoDB mapreduce 中，如何展平值对象？
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗？
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
26
4
sklearn 中的逻辑回归类带有 L1 和 L2 正则化。如何关闭正则化以获得“原始”逻辑拟合，例如 Matlab 中的 glmfit？我想我可以设置 C = large number 但我不认为这是明智的。
最佳答案
是的，选择尽可能大的数字。在正则化中，代价函数包含一个正则化表达式，记住sklearn正则化中的C参数是正则化强度的倒数。
C 在这种情况下是 1/lambda，受制于 C > 0 的条件。
因此，当 C 接近无穷大时，lambda 接近 0。当这种情况发生时，成本函数将成为您的标准误差函数，因为正则化表达式无论出于何种意图和目的都变为 0。
更新:在 sklearn 0.21 及更高版本中，您可以通过传入 penalty='none' 来禁用正则化。查看 documentation here.
关于python - 没有正则化的sklearn LogisticRegression，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/25427650/
26
4
0
sklearn 中的逻辑回归类带有 L1 和 L2 正则化。如何关闭正则化以获得“原始”逻辑拟合，例如 Matlab 中的 glmfit？我想我可以设置 C = large number 但我不认为这
from sklearn.feature_extraction.text import CountVectorizer vectorizer = CountVectorizer() train_mat
我有一组生成的数据，以 CSV 格式描述 Web 连接，如下所示: conn_duration,conn_destination,response_size,response_code,is_mali
我正在尝试将逻辑回归模型拟合到 sklearn 的鸢尾花数据集。我得到一条看起来太平坦的概率曲线，也就是系数太小。我希望萼片长度 > 7 的概率超过 90%: 这条概率曲线真的错了吗？如果是这样，是什
我正在使用 sklearn 包中的 LogisticRegression，并且有一个关于分类的快速问题。我为我的分类器构建了一条 ROC 曲线，结果证明我的训练数据的最佳阈值约为 0.25。我假设创建
为什么不同的求解器会导致 sklearn 中简单问题的学习权重不同？这闻起来不像数值不稳定——看起来不同的求解器旨在收敛于不同的权重集。怎么回事？ 这似乎与正则化有关，因为效果随着 C 的增加而消失
我正在研究 LogisticRegression 模型并尝试进行调试。 这是一件简单的事情，但似乎无法让它发挥作用:只需 time of day和一个state 0 or 1 ，并想要预测一天中给定时
有人告诉我，在处理多元逻辑回归时，您想在 X 矩阵中为模型截距添加一列 1。使用sklearn的模型时，模块会自动添加1的列吗？ 最佳答案 LinearRegression 模块有一个 fit_int
scikit-learn 的 sklearn.linear_model.LogisticRegression 类如何处理回归和分类问题？ 如 Wikipedia page 上所示以及许多来源，由于逻辑
我正在尝试使用 scikit-learn 0.12.1 来: 训练逻辑回归分类器 根据保留的验证数据评估分类器 向该分类器提供新数据并为每个观察检索 5 个最可能的标签 Sklearn 使所有这一切变
我正在尝试使用 SHAP 对我的产品分类模型进行一些不良案例分析。我的数据看起来像这样: corpus_train, corpus_test, y_train, y_test = train_test
我是新手，我必须根据 De Pauw 和 Wagacha (1998) 方法(基本上是 char n-grams 上的 maxent)对词典中的单词进行分类。数据非常大(500 000 个条目和数百万
我正在查看 Spark 1.5 dataframe/row api和 implementation对于逻辑回归。据我了解，其中的 train 方法首先将 dataframe 转换为 RDD[Label
Sklearn 的 LogisticRegression 模型拒绝并行运行。我设置了 n_jobs=-1，也尝试了 n_jobs=4。运气不好——只有一个核心参与。我并行运行了其他 sklearn 模
我正在尝试使用 python 中的 doc2vec 将用户输入文本分为两类。我有以下代码来训练模型，然后对输入文本进行分类。问题是，我找不到任何对字符串进行分类的方法。我是新手，所以请忽略错误。 这里
sklearn LogisticRegression 中带有 l1 惩罚的默认 alpha 是多少？ lmMod = LogisticRegression(penalty='l1') 最佳答案 根据d
我正在尝试通过 sklearn 运行逻辑回归: from sklearn.model_selection import train_test_split from sklearn.linear_mod
似乎在 scikit-learn 中实现的 LogisticRegression 无法学习简单的 bool 函数 AND 或 OR。我会理解 XOR 给出不好的结果，但 AND 和 OR 应该没问题。
我正在尝试使用 LogisticRegression 预测 Twitter 的人口统计属性，但我在预测中收到“File "Anaconda\lib\site-packages\sklearn\line
在使用 sklearn.linear_model.LogisticRegression 拟合训练数据集后，我想获得训练数据集和交叉验证数据集的成本函数值。 是否可以让 sklearn 简单地给我它最小
我是一名优秀的程序员,十分优秀！