在spark中从Logistic回归模型中获取特征名称
在Spark中，从Logistic回归模型中获取特征名称可以通过以下步骤实现：
- 导入必要的库和模块：
import org.apache.spark.ml.classification.LogisticRegressionModel
import org.apache.spark.ml.feature.VectorAssembler- 加载训练好的Logistic回归模型：
val model = LogisticRegressionModel.load("模型路径")请将"模型路径"替换为实际的模型文件路径。
- 获取特征向量的列名：
val featureCols = model.getFeaturesCol
val assembler = new VectorAssembler().setInputCols(Array(featureCols)).setOutputCol("features")
val featureNames = assembler.getInputCols通过以上步骤，我们可以获取到Logistic回归模型中使用的特征名称。
注意：以上代码示例是基于Scala语言的Spark编程，如果使用其他编程语言或Spark的不同版本，代码可能会有所不同。此外，特征名称的获取可能还受到数据预处理和特征工程的影响，具体情况需要根据实际应用场景进行调整。
相关·内容
1回答
我曾在同一标准化数据集(二进制分类)上训练过skearn中的Logistic回归和决策树。决策树的最重要系数是(按tree.feature_importances_排序)：对于logistic回归(按abs(logreg.coef_)排序)：“总日费用”是决策树中最重要的系数，而logistic回归则仅为第5位。
浏览 0提问于2022-11-28得票数 0
2回答
我的预测模型中既有分类特征，也有连续特征，我希望选择(和排序)最重要的特征。
我使用一个热编码将所有的分类变量转换为虚拟变量(为了更好地解释我的logistic回归模型)。一方面，我使用LogisticRegression (sklearn)，并通过使用它们的系数对最重要的特征进行排序。通过这种方式，我将分类变量和连续变量都视为最重要的特性。另一方面，当我想使用决策树模型(SelectFromModel)对特
浏览 0提问于2020-01-15得票数 9
回答已采纳
1回答
我使用来自tidymodel网站的这个示例来获取我自己的数据( )。与本例相比，我的数据表明，在准确性方面，惩罚logistic回归优于随机森林。然而，在这个例子中，它没有描述如何从惩罚物流回归(GLMNET)模型中评估特征的重要性。我的问题是，这个模型是否选择了一些预测器进入模型？如果是，如何确定选择了哪些功能，以及如何从惩罚物流回归(glm
浏览 1提问于2021-06-15得票数 0
回答已采纳
我一直试图找出这两个模型的错误率和特征数量之间的相关性。我看了一些视频，视频的创作者说，一个简单的模型比一个复杂的模型更好。所以我想，我拥有的功能越多，错误率就越高。事实证明，这在我的工作中是不正确的，而且当我的特性减少时，错误率就会上升。我不知道我是不是做错了，或者视频里的那个人犯了什么错误。有人能解释一下吗？我也很好奇，特性与Logistic回归的错误率有什么关系。
浏览 0提问于2013-10-02得票数 7
回答已采纳
2回答
他提到，与训练神经网络相比，训练具有多项式特征的logistic回归模型对于某些任务来说是非常昂贵的。那是为什么呢？我的意思是，当我们谈论神经网络时，我们通常看到的是一个参数非常多的模型，那么，为什么逻辑回归在计算上会更昂贵呢？PS:下面是一些上下文(在关于神经网络的练习开始时)：
在本练习的前一部分中，您实现了多类逻辑回归来识别手写数字。然而，logistic回归</em
浏览 0提问于2019-08-22得票数 0
回答已采纳
在Logistic回归的R& Spark的比较估计/系数中，观察到估计值是不一样的。根据现有文献，最大似然估计似乎更有效。我很想知道，为什么Sp
浏览 0提问于2016-09-04得票数 1
当我们使用许多迭代时，增强方法(如流行的xgboost)不会过度适用-- 夏蒂尔和弗劳因德。当我们给它们大量的功能时，它们是否也能抵抗过度安装(其中一些功能不是很有用？)如果是这样的话，这两个理想的属性之间是否有理论联系？
(与https://stats.stackexchange.com/questions/35276/svm-overfitting-curse-of-dimensionality有关)
浏览 0提问于2016-04-18得票数 3
3回答
我使用进行purpose.But，我不确定最大熵模型和逻辑回归是同一个模型，还是某种特殊的逻辑回归？
有人能想出一个解释吗？
浏览 1提问于2014-01-21得票数 9
我构建了一个文档二项式分类器，使用训练文档集的tf-以色列国防军表示，并将Logistic回归应用于它：我用泡菜格式保存了模型，并使用它对新文档进行分类，从而得到文档在A类的概率和模型在B类中的概率。p
浏览 6提问于2018-01-23得票数 2
在我训练和测试了一个分类模型之后，我明白了如何为它提供一个新的输入来生成一个预测的输出。但是我如何做反向任务--为它提供一个输出，并提取最佳或最佳的输入参数？(即预测会产生给定输出的输出)？
浏览 0提问于2022-08-13得票数 0
我正在尝试用Apache Spark训练Logistic回归模型。我的数据帧看起来像这样。StructField("text_B", DataTypes.StringType, false, Metadata.empty()),我想同时使用text_A和text_B作为训练模型的功能，但我不想
浏览 0提问于2018-10-02得票数 0
logistic回归的logistic函数为：\frac{e^{B_{0} + B_{1}x}}{1 + e^{B_{0} + B_{1}x}}。为什么要用这个？
浏览 0提问于2022-04-15得票数 5
1回答
我从ISLR进行线性和Logistic回归，在这两种情况下，我发现增加模型灵活性的方法之一是使用多项式特征-X和X^2作为特征，然后像往常一样应用回归模型，同时将X和X^2作为独立特征(在sklearn中，而不是状态模型的多项式拟合)。但是，这不是增加了特征之间的共线性吗？它如何影响模型的性能？第一，X和X^2无疑有很大
浏览 1提问于2021-06-10得票数 2
回答已采纳
有关数据集的信息：所有的特征都是数值。稳健标量Logistic回归标准标量- PCA (解释83%方差的n_component=n_comp)- Logistic回归(更糟
浏览 0提问于2021-05-08得票数 1
1回答
y
是一个序数特征(A，B，C，D，E，F)。我对我的y特征使用标签编码，当我使用矩阵热图看到相关时，它显示我的x特性与y有0.95的相关性。我使用的是logistic回归算法。
浏览 0提问于2022-12-13得票数 0
下面的代码使用随机森林模型为我提供了一个显示特性重要性的图表：import matplotlibX_test.columns)
然而，对于一个logistic回归模型，我也需要这样做。
浏览 1提问于2021-03-22得票数 2
回答已采纳
我一直在研究，似乎计算平均值或中位数可以改变分布。因此，更好的方法是使用logistic回归或任何其他模型来预测分类特征中的空值。在这个职位中，作者解释了如何使用logistic回归来计算二项式范畴特征中的空值。但是，我使用的分类特性有多个可能的值。谢谢!
浏览 0提问于2022-08-24得票数 0
回答已采纳
我们使用的是Spark 1.3.1。我已经阅读了spark文档，发现我们不能为Logistic回归的数据中的每一行赋予权重。有没有什么简单的方法可以让我在spark的Logistic回归中包含权重？我说的是加权Logistic回归。
浏览 4提问于2015-08-12得票数 1
我对机器学习还很陌生，我已经尝试过如何用logistic回归来训练一个模型。
我想要的是用logistic回归来训练<
浏览 0提问于2021-02-28得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
