我有一个包含3个功能和3个类的数据框，我将其拆分为X_train，Y_train，X_test和Y_test，然后使用PCA，StandardScaler和最后的Logistic回归运行Sklearn的Pipeline . 我希望能够直接从LR权重和原始数据计算概率，而不使用predict_proba但不知道如何，因为我不确定管道如何通过PCA和StandardScaler将X_test管道化为逻辑回归 . 这是不现实的，而不能使用PCA和StandardScaler的拟合方法？任何帮助将不胜感激！
到目前为止，我有：
pca = PCA(whiten=True)
scaler = StandardScaler()
logistic = LogisticRegression(fit_intercept = True, class_weight = 'balanced', solver = sag, n_jobs = -1, C = 1.0, max_iter = 200)
pipe = Pipeline(steps = [ ('pca', pca), ('scaler', scaler), ('logistic', logistic) ]
pipe.fit(X_train, Y_train)
predict_probs = pipe.predict_proba(X_test)
coefficents = pipe.steps[2][1].coef_ (3 by 30)
intercepts = pipe.steps[2][1].intercept_ (1 by 3)
1 回答
这也是我不回答的问题 . 我认为管道将导致 x_test 的新变换，但是当我试图运行 StandardScalar 和 LogisticRegression 组成的 Pipeline ，并使用 StandardScalar 和 LogisticRegression 运行我自己定义的函数时，我发现 Pipeline 实际上使用的 transform 由 x_train 拟合 . 所以，对于机器学习来说，这真的是一个方便实用的工具！