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。我还看过GLM实现，似乎没有一个实现过sigmoid链接函数。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
1回答
python回归模型
、、、、
我想用回归模型来拟合概率。我知道线性回归经常用于这个目的，但我有几个概率在0.0和1.0左右，并且想要拟合一个回归模型，其中输出被限制在0.0到1.0之间。我希望能够为模型指定正则化规范和强度，最好在python中这样做(但R实现也会有帮助)。我发现的所有逻辑回归包似乎只适合于分类，而这是一个回归问题(尽管我想使用logit链接函数)。我使用scikits为我的分类和回归需求学习，所以如果这个<em
浏览 4提问于2015-11-21得票数 3
我想在Jupyter Notebook中使用python-weka-wrapper实现回归算法。但是，我在中找不到正确的函数
有人知道如何实现它吗？
浏览 1提问于2021-02-10得票数 0
scikit-learn库有以下类似的分类器： Logistic回归分类器有不同的求解器，其中之一是“sgd”。generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression 它也有一个不同的分类器'SGDClassifier‘，损失参数可以作为逻辑回归的'log
浏览 42提问于2017-05-14得票数 14
1回答
分类器与精度
、、、、
我想问你如何使用分类器和确定模型的准确性。我有我的数据集，我已经清理了文本(删除断点，标点符号，删除空行，.)。然后我把它分成火车和测试。由于我想确定一个电子邮件是否是垃圾邮件，我已经使用了常见的分类器，即朴素贝叶斯，支持向量机和逻辑回归。在这里，我只是包括我的火车和测试数据集:没有其他！我正在使用Python运行此分析。我的问题是:应该足够了还是应该实现新的算法？
如果你能给我一个例子，说明一个已经存在的算法是如何被改进的，那也是很好的。我阅读了大量
浏览 0提问于2020-08-14得票数 0
回答已采纳
1回答
我想对一个时间序列进行回归，其中输出变量是时间序列中的一个。我的I有一个时间序列(x_1, x_2, \cdots, x_n)的测量值，并且希望预测变量y，它不是时间序列的度量。显而易见的第一个选择是一些简单的线性回归，但这没有考虑到数据的时间序列性质。我正在研究的时间序列方法似乎与预测序列中的下一个值有关。哪些方法考虑到非回归数据的时间特性？
浏览 0提问于2023-03-31得票数 0
回答已采纳
1回答
我最近建立了一个用于二进制分类的逻辑回归。XAI解决方案( b)石灰( d)属地( a)展览仪表板( c)
浏览 0提问于2022-02-01得票数 1
回答已采纳
在python库中，RandomizedLogisticRegression和RandomizedLasso都被支持作为特征选择方法。然而，它们都在使用L1(Lasso)惩罚，我不知道为什么两者都被实现了。事实上，我认为Lasso回归是L1正则logistic回归的另一个术语，但可能有一些不同之处。
浏览 0提问于2015-12-24得票数 0
回答已采纳
我需要为分类问题选择模型和机器学习算法的建议。在用R或Python实现时，我不确定从哪里开始。
谢谢!
浏览 3提问于2016-07-29得票数 1
我想简要了解所有可用的估计器，如like回归或多项回归或支持向量机，它们可用于分类问题。这就是我所知道的三个。还有其他类似的吗？相对来说，它们运行了多长时间，或者它们能比这些精确到什么程度？
浏览 0提问于2019-06-06得票数 0
还有其他几个基于在前几秒钟中发生的特性(例如，如果上面讨论的值是当前点之前的数据点的12，那么当前数据点的第二个特性是12 -如果这一点不清楚)，经过大量故障排除后，我的结论是，如果有太多的数据点，对于特征来说，0's太多，那么简单的分类器就无法工作当我打印出评估数据点落入不同类别的概率时，我只需得到对于所有的模型评估点，我尝试分类。(我使用的是apache-mahout的逻辑回归。
浏览 0提问于2015-01-10得票数 1
2回答
信号特征识别
、、、
我想知道是否有一种方法来识别我的训练样本中的共同特性，并使用它来分类一个新的特性。
给出原始/标准化的数据，它将返回类似的数据。对机器学习或回归方法/算法有什么建议吗？
浏览 1提问于2014-09-17得票数 0
1回答
我尝试在Python中仅使用numpy实现逻辑回归，但结果并不令人满意。预测似乎不正确，损失也没有改善，所以可能是代码出了问题。有谁知道怎么解决这个问题吗？非常感谢!
浏览 0提问于2021-02-05得票数 1
我想用logistic回归来帮助我预测这个罕见的事件，但是即使我应用加权，分类的准确性也很差。我发现，通过使用基于以下误差度量的国产logistic回归分类器，然后使用scipy.optimimize.minimize和方法=‘Powell’对参数进行调优以最小化该度量，我获得了很好的预测性能：这允许我包含完整的数据集(忽略权重和再平衡考虑因素)，当分类器开始错误地包含其他类型的不应该被该分类器捕获的事件(即增加错误阳性数)时，它在评
浏览 0提问于2021-04-21得票数 0
回答已采纳
2回答
我想使用决策树根据6个也是浮点值的特征来预测浮点数的值。我意识到决策树可能不是最好的方法，但我正在比较多种方法，以便更好地理解它们。我的x训练数据样本(features_x_train)： -7.593
浏览 0提问于2016-05-11得票数 1
1回答
我的数据集中的一个协变量是一个分类变量，它有700个值(0- 700)，每个值代表他们所在地区的ID。在执行逻辑回归时，我应该如何处理这个变量？如果我创建了700个虚拟列，如何才能更容易地解释结果呢？我使用的是Python和statsmodel。
浏览 0提问于2017-10-29得票数 0
2回答
我想知道，如果我可以应用朴素贝叶斯，回归问题，它将如何做到。我有4096个图像特征和384个文本特征，如果我假设它们之间是独立的，那就不会很糟糕了。有人能告诉我如何继续吗？
浏览 2提问于2016-04-27得票数 11
1回答
假设我有一个逻辑回归的实现。是否有固定的示例(例如测试和训练集以及预期的错误)可以用来评估我的实现的性能是否如预期的那样？如果能知道社区是如何看待单元测试机器学习的--回归，分类，无监督的方法，那就太好了。
浏览 2提问于2015-08-28得票数 0
2回答
我不是在寻找聚类算法，我特别感兴趣的是获得“有意义的”离散类别，我可以随后在贝叶斯分类器中使用。论文，书籍，在线课程的指针，都非常感谢！
浏览 0提问于2012-05-08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
