Logistic Regression Scikit-Learn 获取分类系数

Question

我正在做多类分类并对其应用逻辑回归

当我通过调用拟合数据时

logistic.fit(InputDATA,OutputDATA)

估算器“logistic”适合数据。

现在，当我调用logistic.coef_它时，它会打印一个 4 行（我有四类）和 n 列（每个功能一个）的二维数组

这是我在 SCIKIT 学习网站上看到的：

coef_ : 数组、形状 (n_features, ) 或 (n_targets, n_features) 线性回归问题的估计系数。如果在拟合期间传递了多个目标（y 2D），则这是一个形状为 (n_targets, n_features) 的二维数组，而如果仅传递一个目标，则这是一个长度为 n_features 的一维数组。

现在我的问题是：为什么不同的类有不同的系数，因为我只需要一个可以预测输出的假设。

Answer 1

由于您有一个多类案例（>2 个案例），因此将应用一对一策略。sklearn 创建了 4 个分类器，而不仅仅是 1 个。因此你有 4 个假设和 4* 系数。

注意：我对逻辑回归分类器一无所知，但这就是 sklearn SVM 的工作原理。