- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我正在尝试使用 gre、gpa 和 ranks 等预测变量来预测 admit 变量。但预测精度非常低(0.66)。下面给出了数据集。 https://gist.github.com/abyalias/3de80ab7fb93dcecc565cee21bd9501a
请在下面找到代码:
In[73]: data.head(20)
Out[73]:
admit gre gpa rank_2 rank_3 rank_4
0 0 380 3.61 0.0 1.0 0.0
1 1 660 3.67 0.0 1.0 0.0
2 1 800 4.00 0.0 0.0 0.0
3 1 640 3.19 0.0 0.0 1.0
4 0 520 2.93 0.0 0.0 1.0
5 1 760 3.00 1.0 0.0 0.0
6 1 560 2.98 0.0 0.0 0.0
y = data['admit']
x = data[data.columns[1:]]
from sklearn.cross_validation import train_test_split
xtrain,xtest,ytrain,ytest = train_test_split(x,y,random_state=2)
ytrain=np.ravel(ytrain)
#modelling
clf = LogisticRegression(penalty='l2')
clf.fit(xtrain,ytrain)
ypred_train = clf.predict(xtrain)
ypred_test = clf.predict(xtest)
In[38]: #checking the classification accuracy
accuracy_score(ytrain,ypred_train)
Out[38]: 0.70333333333333337
In[39]: accuracy_score(ytest,ypred_test)
Out[39]: 0.66000000000000003
In[78]: #confusion metrix...
from sklearn.metrics import confusion_matrix
confusion_matrix(ytest,ypred)
Out[78]:
array([[62, 1],
[33, 4]])
预测错误,如何提高模型准确率?
最佳答案
由于机器学习更多地是关于对特征和模型进行试验,因此您的问题没有正确答案。我给你的一些建议是:
<强>1。特征缩放和/或归一化 - 检查您的 gre 和 gpa 特征的比例。它们相差 2 个数量级。因此,您的 gre 特征最终将在逻辑回归等分类器中支配其他特征。在将它们放入机器学习模型之前,您可以将所有特征标准化到相同的比例。 This是关于 scikit-learn 中可用的各种特征缩放和规范化类的很好指南。
<强>2。类不平衡 - 查找数据中的类不平衡。由于您正在处理承认/拒绝数据,因此拒绝的数量将明显高于承认的数量。 SkLearn 中的大多数分类器包括 LogisticRegression
有一个 class_weight
参数。将其设置为 balanced
也可能在类不平衡的情况下很好地工作。
<强>3。优化其他分数 - 您还可以优化其他指标,例如 Log Loss 和 F1-Score。在类不平衡的情况下,F1-Score 可能很有用。 This是一个很好的指南,更多地讨论了评分。
<强>4。超参数调整 - 网格搜索 - 您可以通过执行网格搜索来调整模型的超参数来提高准确性。例如,在 LogisticRegression
的情况下,参数 C
是一个超参数。此外,您应该避免在网格搜索期间使用测试数据。而是执行交叉验证。仅使用您的测试数据来报告最终模型的最终数字。请注意,应该对您尝试的所有模型执行 GridSearch,因为只有这样您才能判断每个模型的最佳效果是什么。 Scikit-Learn 提供了 GridSearchCV
为此上课。 This文章也是一个很好的起点。
<强>5。探索更多分类器 - Logistic 回归学习将您的类别分开的线性决策面。您的 2 个类可能不是线性可分的。在这种情况下,您可能需要查看其他分类器,例如 Support Vector Machines能够学习更复杂的决策边界。您还可以开始查看基于树的分类器,例如 Decision Trees它可以从你的数据中学习规则。将它们视为算法自动从数据中学习的一系列 If-Else 规则。通常,很难得到正确的Bias-Variance Tradeoff与决策树,所以我建议你看看 Random Forests如果您有大量数据。
6.错误分析 - 对于您的每个模型,回头看看它们失败的情况。您可能最终会发现您的一些模型在参数空间的一部分上运行良好,而其他模型在其他部分上运行得更好。如果是这样的话,那么Ensemble Techniques例如VotingClassifier
技术通常会产生最好的结果。赢得 Kaggle 比赛的模型很多时候都是集成模型。
7.更多功能 _ 如果所有这些都失败了,那么这意味着您应该开始寻找更多功能。
希望对您有所帮助!
关于python - 如何提高 Scikit python 中逻辑回归模型的准确性?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38077190/
当我尝试加载库 Raster 时,我收到如下错误: 错误:inDL(x, as.logic(local), as.logic(now), ...) 中的“raster”的包或命名空间加载失败:无法加载
当我尝试加载库 Raster 时,我收到如下错误: 错误:inDL(x, as.logic(local), as.logic(now), ...) 中的“raster”的包或命名空间加载失败:无法加载
望着help section about_Comparison_Operators of PowerShell我是这样理解的: PS C:\> $false,$false -eq $true PS C
我刚刚修改了旧代码,现在似乎没有任何效果。请您指导我哪里出错了。 一些不起作用的事情是: 以前,焦点始终停留在屏幕上唯一的输入字段上。 (现在不行了),代码中的 if else 条件也不起作用。 On
请帮我找到一个使用普通 'ol javascript 的解决方案(我无法使用外部框架)。此外,CSS :hover 选择器不适用于现实世界的实现。 注册事件发生的事情设置所有调用最后注册事件数组项。
我想创建一个软件来为残障 child 交通规划公交路线(及其最佳载客量)。 这些总线具有以下规范: m 个座位(最多 7 个 - 因为有司机和助理) o 轮椅“座位”(最多 4 个) 固定的最大负载量
有人能帮我吗?似乎我的 for 逻辑根本不起作用,因为它一直在上午 12:00 返回我的开始时间 这是我的代码 Sub forlogic() Dim i As Single Dim t
我正在尝试设置 OR两个切片器过滤器之间的逻辑。两个切片器来自相同的数据集。以下是更多详细信息: 我的源表: 带切片器的视觉效果: 我的目标是,如果我从切片器 1 和切片器 2 中选择任何值,我的视觉
我有以下 C 语句: int res = x & (x ^ y); 有没有办法做同样的事情,但每次只使用一次x和y? 例如: x | (~x & y) == x | y 最佳答案 是的,通过扩展 xo
我正在创建 Azure 逻辑应用程序以将新的 Sharepoint 文件添加到 Azure Blob。 Sharepoint 由我的公司运行,我使用我的凭据登录来为逻辑应用程序创建 Sharepoin
我有一个问题要求为给定函数合成最简单的乘积表达式总和。基本上,如果 AB == CD,则函数为 1,否则为 0,结果如下: (!A && !B && !C && !D) || (!A && B &&
我正在尝试确定是否可以在不溢出的情况下计算两个 32 位整数的总和,同时仅使用某些按位运算符和其他运算符。因此,如果整数 x 和 y 可以相加而不会溢出,则以下代码应返回 1,否则返回 0。 ((((
处理乍一看需要许多嵌套 if 语句的复杂业务逻辑的好方法是什么? 例子: 折扣券。可能: 1a) 超值折扣 1b) 百分比折扣 2a) 正常折扣 2b) 累进折扣 3a) 需要访问优惠券 3b) 不需
假设我有一个“numbers”对象数组,其中包含“startNo”整数和“endNo”整数。 数组中可以有多个“数字”,我想获取一个包含修改对象的新数组,该数组仅具有不重叠的范围。 例如:如果数组有:
我在这个问题上遇到了困难。我正在使用 JavaScript。 我有一个文本区域,用于检测 @ 输入并将其位置存储在数组中。 var input = "@a @b @c" //textarea var
默认 IN 使用 OR 基本逻辑。有没有办法在范围内使用 AND 基本逻辑。 例如下面的查询 SELECT ItemId,CategoryID FROM ItemCategories WHERE Ca
我想在您将鼠标悬停在网站图像上时添加叠加层。我在这里实现了这个,它工作正常http://jsfiddle.net/stujLbjh/ 这是js代码: var divs = document.query
这个问题在这里已经有了答案: Which is faster: x>2 是否比 x>>31 快?换句话说,sar x, 2 是否比 sar x, 31 快?我做了一些简单的测试,他们似乎有相同的速度
我有grails criteriaQuery,我在这里再次检查OR逻辑,就像这样一个状态变量: or { eq("status", Status.ONE) eq("status",
我有grails criteriaQuery,我在这里再次检查OR逻辑,就像这样一个状态变量: or { eq("status", Status.ONE) eq("status",
我是一名优秀的程序员,十分优秀!