1回答
我正在用logistic回归和不应用PCA进行二元分类。与单纯logistic回归相比，PCA在logistic回归前的应用具有较高的准确性和较低的FNs。我想找出这种情况发生的原因，特别是为什么PCA产生的FN较少。据我所知，成本敏感性分析可能有助于解释这一点，但我不确定这是否正确。有什么建议吗？
浏览 0提问于2018-03-13得票数 0
回答已采纳
我使用训练集和测试集对我的数据集进行了Logistic回归和支持向量机。现在，为了检查我的结果是否健壮，我想执行交叉验证(我使用的是caret包)。., data=df, trControl=train_control, method="glm")
然而，在我看来，我似乎只是在检查我的logistic回归模型的准确性(因为我使用的是method="如何使用交叉验证来检验
浏览 1提问于2019-05-18得票数 0
回答已采纳
1回答
使用适当的算法
、、、、
我介绍了ML算法的基本概念，但对于它们之间的优势仍然很少有疑问。什么时候应该使用Logistic回归、SVM和神经网络、分类和决策树？
浏览 0提问于2017-12-29得票数 0
1回答
首先，我对虹膜数据集使用正态logistic回归，它得到了0.977的准确率，第二次对数据集进行预处理时，我得到了0.955的准确率。为甚麽呢？logreg.fit(xtrain, ytrain)print(metrics.accuracy_score(ytest, ypred1))
带预处理的模型
浏览 1提问于2020-04-20得票数 0
1回答
我有一个名为x的数字特性和一个名为y的分类特性。
是一个序数特征(A，B，C，D，E，F)。我对我的y特征使用标签编码，当我使用矩阵热图看到相关时，它显示我的x特性与y有0.95的相关性。我使用的是logistic回归算法。我应该放弃其中一个吗？
浏览 0提问于2022-12-13得票数 0
因此，假设我有一个二进制分类问题，我从一个logistic回归模型开始。我快速地评估了模型的准确性(假设我们没有倾斜的数据集)。在此之后，我开始实现其他模型的比较，我开始检查准确性评分，并绘制一条ROC曲线来评估AOC评分。我什么
浏览 0提问于2020-09-14得票数 0
我有一个不平衡的数据集，其中正类大约是10,000个条目，负类大约是8,00000个条目。我正在尝试一个简单的scikit的LogisticRegression模型作为基线模型，其类权重=‘balanced’(希望不平衡问题应该得到解决？)。然而，我得到了一个0.83的精度分数，但精确的分数为0.03。有什么问题吗？我需要分开处理不平衡部分吗？这是我目前的代码：>>> target = []
>>> l
浏览 1提问于2016-10-05得票数 2
回答已采纳
我很想知道减少多类分类的监督分类模型(特别是Logistic回归)中的类数是否有助于提高分类的准确性。例如，如果我有10000个样本的50个类，并且通过将某些类组合在一起，将类的数量减少到30个。这会大大提高我的分类模型的准确性吗？
浏览 5提问于2016-02-09得票数 0
1回答
我使用了以下分类器及其准确性：支持向量机- 78 %Logistic回归- 80%
当我使用上述分类器进行最终分类时，我获得的准确性低于仅使用随机森林的情况当单独使用时，所有的分类器都提供了多少相同的精度，那么随机森林如何比它们的合并结果更好呢？
浏览 0提问于2015-10-06得票数 6
回答已采纳
我正在尝试对一个分类问题运行逻辑回归。10,verboseIter = F,summaryFunction = prSummary)
simple.logistic.regressionSUBSCRIBEDYN ~ .,method = "glm",trControl = train.control)
simple.logistic<
浏览 17提问于2019-06-20得票数 2
1回答
我上过一门关于神经网络的课程，不太明白为什么我从logistic回归和两层神经网络(输入层和输出层)中得到了不同的结果。输出层使用sigmoid激活函数。根据我所了解到的，我们可以使用神经网络中的sigmoid激活函数来计算概率。这应该是非常相似的，如果不是完全相同的逻辑回归试图完成的。然后利用梯度下降将误差降到最小。也许有一个简单的解释，但我不明白为什么准确性分数有这么大的差异。
浏览 1提问于2017-09-24得票数 10
回答已采纳
1回答
这是我找到的的略微修改过的代码...cv = CountVectorizer(binary=True, max_df=0.95)>> 0.5279108613021547
浏览 14提问于2019-08-16得票数 0
回答已采纳
1回答
我建立了一个Logistic回归模型，并对模型的性能进行了评估。我想了解它的评估指标。
度量的敏感性、特异性、假阳性率、精确性、召回性和准确性能告诉我们关于这个模型的哪些信息？
浏览 0提问于2019-03-06得票数 1
回答已采纳
我有一个包含656个因子的篮球统计数据集。我正在使用逻辑回归分类器通过从团队2的统计数据中减去团队1的统计数据来预测胜利者和输家(团队1的胜利或团队2的胜利)。除了标准化之外，我如何提高我的测试集的准确性，使其更接近训练集的准确性，或者只是提高总体的准确性？:,656]
X_train, X_test, Y_train, Y_test = train_test_
浏览 16提问于2019-04-03得票数 0
回答已采纳
1回答
在支持向量机和Logistic回归中取得了较好的结果，准确率在85%左右。因此，我正在考虑的特征选择方法。我发现了不同的特性选择技术，如CfsSubsetEval、Classifier Attribute eval、classifier subset eval、Cv attribute eval、Gain我想知道哪一个是最好的数据集，显示出良好的准确性与Logistic
浏览 0提问于2022-10-15得票数 0
回答已采纳
对于交叉验证，我使用重复的K-交叉验证.对支持向量机、Logistic回归、随机森林、决策树、K-邻域和朴素贝叶斯等方法进行了实验，并采用了二值相关、分类链和标签幂集变换等方法。我注意到，对于分类链，支持向量机，Logistic回归，随机森林，和K-邻居总是达到相同的子集准确性和hamming损失。对于标签Powerset，SVM，Logistic回归和随机预测都取得了相同的分数。然而，对于二元关联，所有的分数是不同
浏览 0提问于2018-12-03得票数 0
2回答
我有一个连续评分从-100到+100的文本。我试图把它们分为积极的或消极的。
如何执行二项式日志回归以获得测试数据为-100或+100的概率？我得到的最接近的是SGDClassifier(惩罚=‘l2’，alpha=1e-05，n_iter=10)，但是当我使用二项式日志回归来预测-100和+100的概率时，这并没有提供与相同的结果。所以我猜这不是正确的功能？
浏览 5提问于2014-08-15得票数 3
回答已采纳
1回答
我使用来自tidymodel网站的这个示例来获取我自己的数据( )。与本例相比，我的数据表明，在准确性方面，惩罚logistic回归优于随机森林。然而，在这个例子中，它没有描述如何从惩罚物流回归(GLMNET)模型中评估特征的重要性。我的问题是，这个模型是否选择了一些预测器进入模型？如果是，如何确定选择了哪些功能，以及如何从惩罚物流回归(glmnet)中找出这些特性的重要性？非常感谢你的<
浏览 1提问于2021-06-15得票数 0
回答已采纳
我正在试图生成一系列的合成数据集使用make_classification在科学学习，与不同的样本大小，概率(即比例的积极类)，和准确性。改变样本的大小和流行率是相当简单的，但我有困难生成任何数据集，其准确性低于50%使用logistic回归。使用信息列的数量、每个类的集群数以及flip_y参数(它随机地翻转给定比例的观测结果)似乎降低了准确性，但没有我想要<em
浏览 5提问于2015-06-08得票数 1
回答已采纳
0回答
我一直在用R创建Logistic回归，现在我在Python中尝试了同样的方法，我注意到它没有显示F统计数据或调整后的R值等。我们有一个测试来运行模型的准确性，仅此而已。这是通常使用Python检查模型适用性的方式吗？
浏览 4提问于2017-11-24得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
