Question

有一些标准方法可以预测比例，例如逻辑回归（没有阈值处理）和β回归。已经有人讨论过这个问题：

我无法确定sklearn框架内是否存在解决方法。

Answer 1

存在一种解决方法，但<{1}}框架中

。

如果你有一个比例目标变量（值范围0-1），你会在scikit-learn中遇到两个基本困难：

分类器（例如逻辑回归）仅将类标签作为目标变量处理。作为一种解决方法，您可以简单地将概率阈值设置为0/1并将其解释为类别标签，但是您会丢失大量信息。
回归模型（如线性回归）不限制目标变量。您可以根据比例数据对它们进行训练，但不能保证看不见的数据的输出将被限制在0/1范围内。但是，在这种情况下，有一个强大的解决方法（下面）。

有多种方法可以用数学方法制定逻辑回归。其中之一是generalized linear model，它基本上将逻辑回归定义为对数转换概率的正态线性回归。通常，这种方法需要复杂的数学优化，因为概率是未知的，需要与回归系数一起估算。

但是，在您的情况下，概率是已知的。这意味着您只需使用sklearn转换它们即可。现在它们涵盖了y = log(p / (1 - p))到-oo的整个范围，可以作为LinearRegression模型[*]的目标变量。当然，然后需要再次转换模型输出以产生概率oo。

p = 1 / (exp(-y) + 1)

还有许多其他选择。一些非线性回归模型可以在0-1范围内自然地工作。例如，Random Forest Regressors永远不会超过他们训练过的目标变量的范围。简单地说明概率，你就会得到概率。具有适当输出激活函数的神经网络（我猜是import numpy as np from sklearn.linear_model import LinearRegression class LogitRegression(LinearRegression): def fit(self, x, p): p = np.asarray(p) y = np.log(p / (1 - p)) return super().fit(x, y) def predict(self, x): y = super().predict(x) return 1 / (np.exp(-y) + 1) if __name__ == '__main__': # generate example data np.random.seed(42) n = 100 x = np.random.randn(n).reshape(-1, 1) noise = 0.1 * np.random.randn(n).reshape(-1, 1) p = np.tanh(x + noise) / 2 + 0.5 model = LogitRegression() model.fit(x, p) print(model.predict([[-10], [0.0], [1]])) # [[ 2.06115362e-09] # [ 5.00000000e-01] # [ 8.80797078e-01]]）也可以很好地处理概率，但是如果你想使用它们，那么有更多专门的库而不是sklearn。

[*]你实际上可以插入任何 linear回归模型，它可以使该方法更强大，但它不再完全等同于逻辑回归。