1回答
目前，我正在为逻辑回归的编码交叉验证而努力。以下是生成我正在处理的合成数据集的一些代码： #### Create synthetic data
from pandas import DataFrame
import
浏览 2提问于2020-01-28得票数 0
我正在阅读，它将PCA和logistic回归结合在一起，然后在管道中应用交叉验证，并为PCA和Logistic回归定义一组参数。下面是我从这个例子中了解到的，然后我会问我的问题。我明白：
当GridSearchCV被执行时，它的默认值为3倍。因此，首先计算20个分量的PCA，然后对数据进行变换，再进行Logistic回归进行训练。现在，对于logistic
浏览 3提问于2014-03-05得票数 0
回答已采纳
Logistic回归应该只在线性可分的数据上才能很好地工作。正如我们在对图中看到的，数据点有很大的重叠。logistic回归模型比决策树法、KNN法、随机森林法(适用于重叠数据的方法)具有更好的精度。即使交叉验证得分较高，我的logistic回归模型。
📷
浏览 0提问于2021-09-26得票数 4
对于交叉验证，我使用重复的K-交叉验证.对支持向量机、Logistic回归、随机森林、决策树、K-邻域和朴素贝叶斯等方法进行了实验，并采用了二值相关、分类链和标签幂集变换等方法。我注意到，对于分类链，支持向量机，Logistic回归，随机森林，和K-邻居总是达到相同的子集准确性和hamming损失。对于标签Powerset，SVM，Logistic回归和随机预测都取得了相同
浏览 0提问于2018-12-03得票数 0
我使用训练集和测试集对我的数据集进行了Logistic回归和支持向量机。现在，为了检查我的结果是否健壮，我想执行交叉验证(我使用的是caret包)。., data=df, trControl=train_control, method="glm")
然而，在我看来，我似乎只是在检查我的logistic回归模型的准确性(因为我使用的是method="如何
浏览 1提问于2019-05-18得票数 0
回答已采纳
我使用StratifiedShuffleSplit来拆分数据，现在我在考虑是否需要再次使用交叉验证来构建分类模型(Logistic回归、KNN、随机森林等)。我对此感到困惑，因为我在Sklearn中阅读了，我得到的印象是，StratifiedShuffleSplit是同时分割数据和交叉验证数据的混合体。
浏览 12提问于2022-09-17得票数 -1
回答已采纳
2回答
我试图在线性回归中执行交叉验证，为此我使用库。关于对给定数据集执行交叉验证的适当方法，我有一个问题。让我有点困惑的两个API是cross_val_score()和任何正则的交叉验证算法，比如LassoCV()。
据我所知，cross_val_score是用来根据交叉验证获得分数的。并且，它可以与Lasso()结合，以达到正则化交叉验证</
浏览 2提问于2018-03-27得票数 3
我想知道如何在python中使用交叉验证来提高我的logistic回归模型的准确性。正在使用的数据集称为“虹膜”。我已经成功地将交叉验证用于支持向量机模型，但我正在努力调整代码，以便对logistic回归模型进行同样的操作。到目前为止，这是我的代码：from sklearn import
浏览 3提问于2016-03-11得票数 2
2回答
线性回归+ KFold交叉验证
、、、、
我已经准备好了一个预先拥有的数据集和相应的标签(8个类)。我已经用DT，KNN，NB和支持向量机等分类器对KFold和K=10进行了交叉验证，现在我想做一个线性回归模型，但不确定它与KFold的关系如何，它是否可能，或者对于回归，我应该把集合单独划分成一个训练和测试集这8个类别是年龄(对于NLP问题)，所以我想检查分类和回归的选项。
浏览 0提问于2018-07-04得票数 2
2回答
K折叠交叉验证是一种用于将数据分割成K个Folds数的技术，用于测试和培训。目的是估计机器学习模型的可拓性。该模型被训练K次，每列折叠一次，然后在相应的测试褶皱上测试。假设我想对任意数据集上的决策树和Logistic回归模型与10个Folds进行比较。假设对每个模型进行10倍的训练，并得到相应的检验精度，Logistic回归具有较高的平均精度，说明该模型是较好<e
浏览 6提问于2022-05-20得票数 3
回答已采纳
2回答
以objective的两个选项为例，reg:logistic和binary:logistic。对于0/1的分类，通常认为二元逻辑损失或交叉熵是损失函数，对吗？那么这两个选项中的哪一个是这个损失函数，另外一个的值是多少？比方说，如果binary:logistic表示交叉熵损失函数，那么reg:logistic会做什么？它们是否使用相同的损失函数，只是输出格式不同？如果是这样的话，reg:<e
浏览 1提问于2018-11-29得票数 16
我正在用LIBLINEAR训练一个简单的logistic回归分类器。只有3个特性，标签是二进制0-1.2:-12.4841741178 3:14现在，如果我使用"-s 6"，即“L1-正则logistic回归”，则10倍的交叉验证准确率约为70%，每个验证器在几秒钟内完成。但如果使用"-s 7&
浏览 3提问于2015-05-24得票数 1
我在R中运行逻辑回归的10倍交叉验证时遇到了一些问题。cv.errorlog7 <- cv.glm(p, logit7, K=10)$delta[1]
浏览 2提问于2019-08-27得票数 0
1回答
目标函数与评价指标的匹配
、、、
模型拟合的目标函数和模型验证的评价指标是否需要在整个超参数搜索过程中保持一致？例如，一个XGBoost模型是否可以以均方误差作为目标函数(将“目标”参数设置为reg: squared :回归和平方损失)，而交叉验证过程是基于显著不同的度量来评估的，例如伽马偏差(伽马回归的剩余偏差或者评价指标应该尽可能地与目标函数相匹配，因此需要选择均方误差作为评价指标。
浏览 0提问于2020-09-25得票数 3
回答已采纳
1回答
我使用Spark运行了多类Logistic回归，但我想使用SVM来交叉验证结果。看起来Spark 1.6只支持SVM二进制分类。我应该使用其他工具来做这件事吗？例如H20？
浏览 0提问于2016-02-06得票数 4
我试图用随机森林从15K特征中选择重要变量，并将它们拟合到logistic回归中。我的评价是基于F1评分。数据集2类比率约为: 99.5:0.5。在此之前，我曾尝试过去除接近零方差的特征，它显著减少了特征的数量，但logistic回归结果也不太好。此外，我还尝试过对训练数据进行欠采样，使其达到1:1，随机森林在交叉
浏览 0提问于2017-04-18得票数 1
2回答
我知道线性回归做“回归”，logistic回归做“分类”。当我们实现这两种方法时，我能注意到的唯一不同是损失函数:线性回归使用均方误差这样的损失函数，logistic使用交叉熵。还有什么我不知道的区别吗？
浏览 0提问于2018-09-14得票数 1
回答已采纳
1回答
交叉验证与logistic回归
、、、、
我正在分析来自kaggle的数据集，并希望应用一个logistic回归模型来预测某事。这是数据：from numpy import mea
浏览 6提问于2022-08-01得票数 0
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
