我正在尝试在大型设计矩阵（约 200 列）上的 statsmodels 中运行逻辑回归。这些特征包括大量交互、分类特征和半稀疏（70%）整数特征。虽然我的设计矩阵不是actually病态的，似乎有些接近（根据numpy.linalg.matrix_rank，它是满秩的tol=1e-3但不与tol=1e-2）。因此，我正在努力使逻辑回归与 statsmodels 中的任何方法收敛。到目前为止，这是我尝试过的：
method='newton'：1000次迭代后未收敛；提出奇异矩阵LinAlgError同时试图反转 Hessian 矩阵。
method='bfgs'：警告可能出现精度损失。声称0次迭代后收敛，显然实际上并未收敛。
method='nm'：声称它已经收敛，但模型具有负伪 R 方，并且许多系数仍然为零（并且与条件更好的子模型收敛到的值非常不同）。我尝试降低曲柄xtol to 1e-8无济于事。
fit_regularized(method='l1'): 报道过Inequality constraints incompatible (Exit mode 4)。然后提出奇异矩阵LinAlgError同时尝试计算受限的 Hessian 逆矩阵。
None
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
