Question

我正在使用Scikit-Learn 0.21.2测试多项逻辑回归。

我之所以这样问是因为related question似乎已经过时。

document指出，如果n_classes> 2，系数的估计值是形状（n_classes，n_features），如果n_classes = 2，则是（1，n_features）。

假设我有M个类别和L个特征。我随机生成特征（dataX），并从某些随机生成的系数向量生成类别结果（dataY）。由于我遵循Wikipedia上的设置，因此生成的系数向量的形状为（M-1，L + 1）。

如果M大于2，我得到估计的形状系数（M，L + 1）的向量。为了比较真实参数和估计参数，我从其他估计系数中减去了第M个向量，并丢弃了第M个向量。真实值与估计值匹配得很好。

if (interestId.highSchool && interestId.highSchool !="") {
          var highschool = new RegExp('.*' + interestId.highSchool + '.*', "i");
          query.and.push({
            highSchool: { like: highschool }
          })
        }

问题是M = 2时的情况。由于Scikit-Learn返回的形状系数为（1，L + 1），因此我假设不需要像M> 2一样进行修改。但是，Bp和true参数根本不匹配。那么，LogisticRegression函数提供的输出系数是什么意思？

Scikit-Learn中的Logistic回归：系数

0 个答案: