scikit-learn - 我应该如何在 Scikit-learn 中使用 RandomizedLogisticRegression？

Question

我只是没能理解 documentation对于这门课。
我可以使用它拟合数据，并获得特征的分数，但这就是这门课应该做的吗？

我看不出如何使用它来使用适合的模型实际执行回归。上面文档中的示例只是创建了一个类的实例，所以我看不出这应该有什么帮助。

有执行“转换”操作的方法，但没有提到那是什么类型的转换。

那么是否可以使用此类来获得对新测试数据的实际预测，是否可以在交叉验证中使用它来与我正在使用的其他方法进行性能比较？

我在其他分类器中使用了排名最高的特征，但我不确定这个分类器是否可能更多。

更新 :我在 feature selection 下找到了 fit_transform 的用途部分文档:

When the goal is to reduce the dimensionality of the data to use with another classifier, they expose a transform method to select the non-zero coefficient

除非我得到一个回答说我错了，否则我会假设这个分类器确实不做预测。在回答我自己的问题之前，我会等待。

Answer 1

随机 LR 应该是一种特征选择方法，而不是本身的分类器。它的 API 与标准 scikit-learn 转换器的 API 相匹配:

randomlr = RandomizedLogisticRegression()
X_train = randomlr.fit_transform(X_train)
X_test = randomlr.transform(X_test)

然后将模型拟合到 X_train并在 X_test 上做分类照常。