python - 如何使用逻辑回归和 scikit 学习进行回归而不是分类

Question

我需要预测的目标变量是probabilities (与标签相反)。我的训练数据中对应的列也是这种形式。我不想通过对目标设置阈值来创建分类问题而丢失信息。

如果我训练 logistic regression classifier使用二元标签，sk-learn 逻辑回归 API 允许在预测时获得概率。但是，我需要用概率来训练它。有没有办法在 scikits-learn 或一个合适的 Python 包中做到这一点，它可以扩展到 1K 维的 100K 数据点。

Answer 1

I want the regressor to use the structure of the problem. One such structure is that the targets are probabilities.

您不能在 scikit-learn 中具有非指标概率的交叉熵损失;这在 API 中未实现且不受支持。这是一个 scikit-learn的限制。

一般来说，根据 scikit-learn的文档损失函数的形式为 Loss(prediction, target) ，其中预测是模型的输出，目标是真实值。

在逻辑回归的情况下，预测是 (0,1) 上的一个值(即“软标签”)，而目标是 0或 1 (即“硬标签”)。

对于逻辑回归，您可以通过根据标签的概率对实例进行过采样来将概率近似为目标。例如如果对于给定的样本 class_1有概率 0.2 , 和 class_2 has probability 0.8 , then generate 10 training instances (copied sample): 8 with class_2 as "ground truth target label" and 2 with class_1`。

显然，这是一种解决方法，效率不是很高，但它应该可以正常工作。

如果你对上采样方法没意见，你可以 pip install eli5 ，并使用 eli5.lime.utils.fit_proba与 Logistic Regression classifier来自 scikit-learn .

替代解决方案是实现(或找到实现？) LogisticRegression在 Tensorflow 中，您可以根据自己的喜好定义损失函数。

在编译这个解决方案时，我使用了来自 scikit-learn - multinomial logistic regression with probabilities as a target variable 的答案。和 scikit-learn classification on soft labels .我建议那些获得更多洞察力的人。