如何查看使用 scikit-learn 生成的模型？

Question

我正在学习使用 scikit-learn 作为 R/SAS EM 的替代品来生成机器学习模型。我可以生成逻辑回归分类器并将其应用于测试集，但我似乎无法确定如何查看回归公式？我知道我不能保存为 PMML，只能使用 joblib 或 pickle dumps，但这些不是很直观。

谢谢，

托比

Answer 1

训练分类器后

from sklearn.linear_model import LogisticRegression
# generating some dataset
from hep_ml.commonutils import generate_sample
X, y = generate_sample(n_samples=1000, n_features=10)
trained_regressor = LogisticRegression().fit(X, y)

你可以看到系数

trained_regressor.coef_

Whish 会输出类似的东西

array([[ 0.85468364,  1.09829236,  1.19397439,  0.89664885,  0.81402396,
         1.00528498,  1.11475434,  0.88583092,  0.708134  ,  0.76573151]])

'trained_regressor.intercept_' 是偏差。

决策函数看起来像（来自 LinearRegressor.decison_function）：

scores = safe_sparse_dot(X, self.coef_.T, dense_output=True) + self.intercept_

因此，您将线性组合中的所有系数作为分类器的“coef_”和“intercept_”字段提供。