多项逻辑回归是否适用于此数据集？

Question

我有以下数据集如下所示。 500和500之间的任何值900被归类为A，而值在900和100之间。在A和B之间混合了~1500。我想找到在任何x值得到A，B和C的概率，其中x是我的自变量，A，B，C是我的因变量。它似乎非常适合多项Logistic回归。我相信每个因变量的观测数量就足够了。如果多项日志回归是合适的，我希望使用Python的scikit learn logistic回归模块来获得任何x值的A，B和C的概率，但我不知道如何使用该模块来解决这个问题。

Answer 1

就个人而言，它看起来像是逻辑回归的合适候选者，但事实上它看起来是一维的重叠可能会使这些部分难以分开。我主要在这里回答你问题的第二部分，它可以推广到scikit-learn中的几乎任何其他分类器。

我建议查看SGDClassifier上的scikit-learn部分，因为它在属性列表下面有一个简单的示例，而是用LogisticRegression类替换SGDClassifier部分。 http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html#sklearn.linear_model.SGDClassifier

这里还有LogisticRegression的文档：http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression