Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
计算 scikit-learn 逻辑回归模型的残差偏差
有没有办法计算残差scikit learn 逻辑回归模型 http scikit learn org stable modules generated sklearn linear model LogisticRegression html
python
scikitlearn
Regression
LogisticRegression
如何在几年前拟合的逻辑回归中使用 R 中的预测函数?
我有一个问题正在尝试解决 但没有成功 寻找了两天多 却没有得到任何线索 很抱歉 如果答案就在那里 但我没有找到 假设您有一个来自几年前估计的旧模型的逻辑方程回归 二元模型 因此 您知道参数 k k 1 2 p 因为它们是过去估计的 但您没有
r
Predict
LogisticRegression
没有预测器的 Sklearn 回归
是否可以在 sklearn 中使用或不使用 即仅使用截距 预测器来运行回归 例如逻辑回归 这似乎是一个相当标准的类型分析 也许这些信息已经在输出中可用 我发现的唯一相关的事情是sklearn svm l1 min c但这会返回一个非空模型
python
scikitlearn
Regression
LogisticRegression
Sklearn LogisticRegressionCV 的类似数组的输入
最初 我从a读取数据 csv文件 但在这里我从列表构建数据框 以便可以重现问题 目的是使用交叉验证来训练逻辑回归模型LogisticRegressionCV indeps M F M F M M F M M F F F F F M F F
python
pandas
scikitlearn
LogisticRegression
R:glmnet 的 caret::train 函数可以在固定的 alpha 和 lambda 下交叉验证 AUC 吗?
我想使用最佳 alpha 和 lambda 计算弹性网络回归模型的 10 倍交叉验证 AUCcaret train https stats stackexchange com questions 69638 does caret train
r
LogisticRegression
crossvalidation
rcaret
ROC
如何将逻辑回归模型获得的系数映射到pyspark中的特征名称
我使用 databricks 列出的管道流构建了一个逻辑回归模型 https docs databricks com spark latest mllib binary classification mllib pipelines html
PySpark
LogisticRegression
featureextraction
如何找到逻辑回归模型特征的重要性?
我有一个通过逻辑回归算法训练的二元预测模型 我想知道哪些特征 预测变量 对于正类别或负类别的决策更重要 我知道有coef 参数来自 scikit learn 包 但我不知道它是否足够重要 另一件事是我如何评估coef 值对于消极类和积极类的
python
machinelearning
scikitlearn
LogisticRegression
在 R: lme4::glmer 中指定逻辑混合模型中重复测量的随机效应
我正在寻找反馈 以确定如何正确指定随机效应来解释重复测量设计中的相关性 但具有多个相关性级别 包括纵向数据 对于每个预测变量组合 结果是二元的 所以我将拟合逻辑混合模型 我本来打算使用glmer 函数从lme4包裹 如果您想知道这些数据是如
r
LogisticRegression
lme4
mixedmodels
paneldata
如何计算逻辑回归精度
我是机器学习和 Python 编码的完全初学者 我的任务是从头开始编码逻辑回归 以了解幕后发生的情况 到目前为止 我已经编码了假设函数 成本函数和梯度下降 然后编码了逻辑回归 然而 在打印精度编码时 我得到的输出较低 0 69 该输出不会随
python
machinelearning
LogisticRegression
为什么 statsmodels 无法重现我的 R 逻辑回归结果?
我很困惑为什么 R 和 statsmodels 中的逻辑回归模型不一致 如果我在 R 中准备一些数据 From https courses edx org c4x MITx 15 071x asset census csv library
python
r
DataFrame
LogisticRegression
StatsModels
python包中的statsmodels,如何处理重复的特征?
我是 R 的重度用户 最近正在学习 python 我有一个关于 statsmodels api 如何处理重复功能的问题 据我了解 这个函数是R包中glm的python版本 所以我期望该函数返回最大似然估计 MLE 我的问题是 statsmo
python
r
GLM
LogisticRegression
使用 MNIST 实现逻辑回归 - 不收敛?
我希望有一个人可以帮助我 我从头开始实现了逻辑回归 所以没有库 除了 Python 中的 numpy I used MNIST 数据集 http yann lecun com exdb mnist 作为输入 并决定尝试 因为我正在进行二进制
python
NumPy
machinelearning
LogisticRegression
MNIST
成本函数和梯度似乎有效,但 scipy.optimize 函数无效
我正在为 Andrew NG Coursera 课程编写 Matlab 代码 并将其转换为 python 我正在研究非正则化逻辑回归 在编写梯度和成本函数后 我需要类似于 fminunc 的东西 经过一番谷歌搜索后 我找到了几个选项 它们都
python
pandas
scipy
LogisticRegression
统计模型逻辑回归收敛问题
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 matr
逻辑回归中的成本函数给出 NaN 结果
我正在使用批量梯度下降来实现逻辑回归 输入样本要分为两类 类别为 1 和 0 在训练数据时 我使用以下 sigmoid 函数 t 1 1 exp z where z x theta 我正在使用以下成本函数来计算成本 以确定何时停止训练 fu
使用 mlogit R 函数时出错:两个索引没有定义唯一的观察结果
我的 R 中的 logit 函数有问题 我的数据集如下所示 personID caseID altID choice a1 a2 a3 a4 1 1 1 1 3 0 3 1 1 1 2 0 1 3 0 1 1 1 3 0 4 4 4 4 1
r
Regression
LogisticRegression
mlogit
R 中没有从 Zeroinfl 对象预测零?
我创建了一个零膨胀负二项式模型 并想要研究有多少零被划分为采样零或结构零 我如何在 R 中实现这一点 zeroinfl 页面上的示例代码我不清楚 data bioChemists package pscl fm zinb2 lt zeroi
r
LogisticRegression
使用分类数据作为 sklearn Logistic 回归中的特征
我试图了解如何使用分类数据作为特征sklearn linear model s LogisticRegression 我当然知道我需要对其进行编码 我不明白的是如何将编码特征传递给逻辑回归 以便将其作为分类特征进行处理 而不是将其在编码为标
python
scikitlearn
Regression
datamodeling
LogisticRegression
R 中逻辑回归的致死剂量 (LD) 置信区间
我想找到致命剂量 LD50 其置信区间为R Minitab SPSS SAS 等其他软件提供了此类置信区间的三种不同版本 我在任何包中都找不到这样的间隔R 我也用过findFn函数来自sos包裹 我怎样才能找到这样的间隔 我根据 Delta
r
GLM
LogisticRegression
Python SKLearn:逻辑回归概率
我正在使用 Python SKLearn 模块来执行逻辑回归 我有一个因变量向量Y 从 M 类中的 1 个中获取值 和自变量矩阵X 有 N 个特征 我的代码是 LR LogisticRegression LR fit X np resize
python
machinelearning
scikitlearn
LogisticRegression
1
2
3
4
»