首页 文章

Logistic回归Scikit-Learn获取分类系数

提问于
浏览 次
3

我正在进行多类分类并对其应用Logistic回归

当我通过电话调整数据

logistic.fit(InputDATA,OutputDATA)

估算器“逻辑”适合数据 .

现在，当我调用 logistic.coef_ 时，它打印出一个包含4行（I HAD FOUR CLASSES）和n列（每个功能一个）的2D数组

这是我在SCIKIT学习网站上看到的：

coef_：array，shape（n_features，）或（n_targets，n_features）线性回归问题的估计系数 . 如果在拟合期间传递多个目标（y 2D），则这是形状的二维数组（n_targets，n_features），而如果仅传递一个目标，则这是长度为n_features的一维数组 .

现在我的问题是：为什么不同类别的系数不同，因为我只需要一个预测输出的假设 .

machine-learning scikit-learn logistic-regression

1 回答

  • 2

    由于您有多类案例（> 2个案例），因此应用了一对一休息策略 . sklearn创建了4个classiefiers，不仅仅是1.因此，您有4个假设和4 *个系数 .

    注意：我对逻辑回归分类器没有任何线索，但这就是sklearn SVM的工作原理 .

    回复于

相关问题