Python SKLearn：Logistic回归概率

Question

我正在使用Python SKLearn模块执行逻辑回归。我有一个因变量向量Y（从M类中的1个取值）和独立变量矩阵X（具有N个特征）。我的代码是

        LR = LogisticRegression()
        LR.fit(X,np.resize(Y,(len(Y))))

我的问题是，LR.coef_和LR.intercept_代表什么。我最初认为他们持有值intercept(i)和coef(i,j) s.t。

log(p(1)/(1-p(1))) = intercept(1) + coef(1,1)*X1 + ... coef(1,N)*XN
.
.
.
log(p(M)/(1-p(M))) = intercept(M) + coef(M,1)*X1 + ... coef(M,N)*XN

其中p(i)是使用功能[X1, ... ,XN]进行观察的概率i。但是当我尝试转换

时

V = X*LR.coef_.transpose()
U = V + LR.intercept_
A = np.exp(U)
A/(1+A)

因此A是p(1) ... p(M)中观察结果X的矩阵。这应该与

的值相同

LR.predict_proba(X)

然而，它们很接近，但不同。为什么是这样？

Answer 1

coef_和intercept_属性代表您的想法，您的概率计算已关闭，因为您忘记了规范化：

P = A / (1 + A)

你应该做

P /= P.sum(axis=1).reshape((-1, 1))

重现scikit-learn algorithm。