Question

我是机器学习的新手，也是第一次尝试Sklearn。我有两个数据框，一个用于训练逻辑回归模型的数据（具有10倍交叉验证），另一个用于使用该模型预测类（＆＃39; 0,1＆＃39;）。到目前为止，我的代码使用了Sklearn文档和网络上的一些教程：

import pandas as pd
import numpy as np
import sklearn
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import KFold
from sklearn.preprocessing import normalize
from sklearn.preprocessing import scale
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import cross_val_predict
from sklearn import metrics


# Import dataframe with training data
df = pd.read_csv('summary_44.csv')
cols = df.columns.drop('num_class') # Data to use (num_class is the column with the classes)

# Import dataframe with data to predict
df_pred = pd.read_csv('new_predictions.csv')

# Scores
df_data = df.ix[:,:-1].values

# Target
df_target = df.ix[:,-1].values

# Values to predict
df_test = df_pred.ix[:,:-1].values

# Scores' names
df_data_names = cols.values

# Scaling
X, X_pred, y = scale(df_data), scale(df_test), df_target

# Define number of folds
kf = KFold(n_splits=10)
kf.get_n_splits(X) # returns the number of splitting iterations in the cross-validator

# Logistic regression normalizing variables
LogReg = LogisticRegression()

# 10-fold cross-validation
scores = [LogReg.fit(X[train], y[train]).score(X[test], y[test]) for train, test in kf.split(X)]
print scores

# Predict new
novel = LogReg.predict(X_pred)

这是实施Logistic回归的正确方法吗？我知道在交叉验证之后应该使用fit（）方法来训练模型并将其用于预测。但是，因为我在列表理解中调用了fit（），所以我真的不知道我的模型是否适合＃34;并可用于预测。

Answer 1

我一般情况还可以，但有一些问题。

缩放

X, X_pred, y = scale(df_data), scale(df_test), df_target

您可以独立扩展训练和测试数据，这是不正确的。两个数据集必须使用相同的缩放器进行缩放。 “Scale”是一个简单的函数，但最好使用其他东西，例如StandardScaler。

scaler = StandardScaler()
scaler.fit(df_data)
X = scaler.transform(df_data)
X_pred = scaler.transform(df_test)

交叉验证和预测。你的代码如何工作？您将数据分成10次进入训练和保持组;在火车上设置10次拟合模型并计算保持集上的得分。这样您就可以获得交叉验证分数，但模型仅适用于部分数据。因此，最好将模型拟合到整个数据集上，然后进行预测：
```
LogReg.fit(X, y)
novel = LogReg.predict(X_pred)
```

我想注意到有堆叠和增强等高级技术，但如果你学习使用sklearn，那么最好坚持基础。

Logistic回归sklearn - 训练和应用模型

1 个答案: