我正在使用mord (scikitlearn)库运行有序(即多项式)岭回归。 y是包含从1到19的整数值的单个列。tol=0.001,
solver='auto').fit(in_X, in_y) mul_lr.coef_返回28 x 1数组，但mul_lr.intercept_返回单个值(而不是19)。
浏览 13提问于2019-02-28得票数 6
回答已采纳
在中，返回的intercept_是数组而不是标量。为什么会这样呢？
其他类型的回归器，例如，允许intercept_作为标量返回。因此，整个api的代码一致性不应该是原因。
浏览 0提问于2018-03-11得票数 0
回答已采纳
1回答
将有三个类别：1(与此有关)，我总共有750个查询，我收集了每一个前10个结果，所以我总共有7500个数据点。我一直在考虑估计一个关联函数，比如：
w0 + w1*query_dependent_score + w2*independent_score + w3*(query_dependent_score*independent_scoresearch_data = np.genfromtxt(DATASET_PATH, delimiter=',', skip_header=1, us
浏览 0提问于2019-07-22得票数 1
1回答
['feat1', 'feat2', 'feat3', 'feat4', 'feat5']linear = LinearRegression()print(linear.intercept_)
-0.011064865422734674
然后，考虑到我把每个特征都作为变量，我可以将系数硬编码成一个线性公式，并估计我的
浏览 2提问于2021-10-13得票数 1
回答已采纳
1回答
我是这样计算系数的： x = np.array(data) inv = np.linalg.inv(np.dot(x.T,x)) return beta[[ 103.56793536] [ 63.93186848][-272.06215991][ 500.43324361] [ 327.45075839]]
但是，如果我使用sklearn.l
浏览 0提问于2016-02-25得票数 0
在我的研究中，因变量被二进制编码为0和1，自变量是类别变量和在likert尺度上测量的变量在5分尺度上的组合。根据数据，我想进行二元逻辑回归，但有一点困惑，我应该如何处理那些在likert尺度上测量的自变量。这些变量应该被视为连续变量还是顺序变量？据我所知，逻辑回归只处理分类和连续的自变量。如果在likert尺度上测量的变量是有序的，而不是连续的，我应该应用哪种统计工具？
浏览 2提问于2017-12-24得票数 0
1回答
这就是2 = " Easy" 4= " Hard " 我创建了一个多线性回归模型split == TRUE)predict = data.frame(class = 3, nb.repeat = 1, attendance = 3,
浏览 0提问于2018-04-20得票数 0
1回答
但是，在执行下面的脚本时，我注意到LinearRegression()和Ridge()模型都返回相同的coef_和intercept_，因此返回相同的回归图，不管我如何改变正则化强度。该数据是一个小数据集，包含2021年以美元计算的人均国内生产总值和一组国家(n=40)的生活满意度评分。在我当前的设置中，coef_ (斜率)在1e-5的范围内，而intercept_在5.75左右。它们的平方和约为33。我预计正则化模型会减少intercept_
浏览 0提问于2021-12-19得票数 5
回答已采纳
我使用sklearn文档中的示例数据使用Python的sklearn.cross_decomposition.PLSRegression执行了偏最小二乘回归。令我惊讶的是，X@ coef_ + intercept_并不等于Y_pred。谁能解释一下吗？., 1.], [1.,0.,0.], [2.,2.,2.], [2.,5.,4.]]Y = [[0.1, -0.2], [0.9, 1.1], [6.2, 5.9], [11.9, 12.3]]pl
浏览 28提问于2022-10-03得票数 1
我正在做一个有序的逻辑回归，我想要的是这样一个表格： ## ## | | |N |Y>=0|Y>=1 |Y>=2 | ## |bekt |1
浏览 0提问于2016-05-10得票数 0
回答已采纳
2回答
我现在要做的基本上是计算一些数据点和回归线之间的距离。我的问题是:如何从LinearRegression()模型中得到直线方程？
浏览 0提问于2018-03-06得票数 2
回答已采纳
1回答
我试图使用MASS包的polr()函数来估计带有聚集标准错误的有序logistic回归。没有内置的集群特性，因此我正在寻找(a)包或(b)使用模型输出计算集群标准错误的手动方法。(rnorm(n = obs, mean = 5, sd = 1), 0)),对于一般最小二乘模型(在某些情况下是)，堆栈溢
浏览 1提问于2017-05-26得票数 2
1回答
我需要创建两个python脚本：2)使用该分类器生成标签的文本文件。for output in class_output: f.write ("ham\
浏览 2提问于2016-12-08得票数 1
例如，我使用train构建了一个逻辑回归，如下所示：df <- data.frame(x1=runif(n, min=0, max=1),x2=runif(n, min=0, max=1),
y = rep(c('N', 'Y'), n/2)[sample(n<
浏览 2提问于2018-11-14得票数 1
回答已采纳
我有一个回归问题，我想使用logistic回归而不是逻辑分类，因为我的目标变量y是0到1之间的连续变量。然而，在Python中，logistic回归的常见实现似乎完全是逻辑分类。有人能指点我将Python实现的逻辑回归作为回归算法的方向吗？
浏览 4提问于2020-12-12得票数 1
回答已采纳
3回答
我试图理解朴素贝叶斯和Logistic回归所需假设的差异。如果我错了，请纠正我，朴素回归和逻辑回归之间还有其他假设/区别吗？
浏览 2提问于2019-12-02得票数 0
2回答
年龄分类损失函数
、、、、
假设一个人的年龄在1-100之间，我的最后一个线性层包含100个输出神经元.My的观察：让我说我想要一个损失函数(L(预测，实际))这样的(假设为5类分类)
let actual = [0,
浏览 0提问于2020-09-11得票数 3
3回答
我只想在R中进行三级logistic回归。让我们定义一些人工数据：y <- sample(0:2, 100, replace = T)我的变量y包含三个数字- 0、1和2。所以我认为最简单的方法就是使用：然而，我得到的信息是，y应该在0,1之间。您知道我如何能够执行这种回归吗？请注意-我知道执行多级logistic回归并不那么简单，有
浏览 4提问于2021-04-17得票数 1
回答已采纳
1回答
我正在尝试使用回归线上的点生成逻辑回归图，如下例所示： ? 我得到的结果如下： ? , 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, <
浏览 10提问于2019-12-22得票数 1
回答已采纳
1回答
无论如何，我已经尝试编写了一些代码来应用多层神经网络来解决回归问题。然而，我只得到零。有没有人能帮我找出我的代码和理解中哪里出了问题？_1 = 256n_input = 9n_samples = dataVar.shape[0]
i
浏览 16提问于2017-02-24得票数 1
回答已采纳
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
云直播活动推荐
腾讯云开发者
