我对Python很陌生。我想得到一个逻辑回归的总结,比如在R中,我已经创建了变量x~u-train和y~u-train,我正试图得到一个逻辑回归
import numpy as np
import matplotlib.pyplot as plt
from sklearn import linear_model
clf = linear_model.LogisticRegression(C=1e5)
clf.fit(x_train, y_train)
我得到的是:
LogisticRegression(C=100000.0, class_weight=None, dual=False,
fit_intercept=True, intercept_scaling=1, max_iter=100,
multi_class='ovr', n_jobs=1, penalty='l2', random_state=None,
solver='liblinear', tol=0.0001, verbose=0, warm_start=False)
我想要一个有意义的水平的总结,R2 ecc。
要获得独立级别,可以使用^{} 。
要获得R2,可以使用^{}
您可以调用^{} 获得R2。
意义不是由sklearn直接提供的,而是由答案here和这个code提供的。
我建议看看
statsmodels
库。Sk learn很棒(其他答案提供了获取R2和其他度量的方法),但是statsmodels
提供了一个回归摘要,非常类似于您在R中可能习惯的回归摘要例如:
如果您想添加正则化,而不是在Logit初始化后调用
.fit()
,您可以调用.fit_regularized()
,并传入一个alpha参数(正则化强度)。如果这样做,请记住sk learn中的参数实际上是正则化强度的逆。相关问题 更多 >
编程相关推荐