Python中的加权逻辑回归

Question

我正在寻找Python中逻辑回归(非正则化)的良好实现.我正在寻找一个可以为每个向量获得权重的包.任何人都可以建议一个良好的实施/包？谢谢!

Answer 1

我注意到这个问题现在已经很老了,但希望这可以帮助别人.使用sklearn,您可以使用SGDClassifier类创建逻辑回归模型,只需将"log"作为丢失传递:

sklearn.linear_model.SGDClassifier(loss='log', ...).

该类在fit()函数中实现加权样本:

classifier.fit(X, Y, sample_weight=weights)

其中权重是一个包含样本权重的数组,它必须(显然)与X中数据点的数量相同.

有关完整文档,请参阅http://scikit-learn.org/dev/modules/generated/sklearn.linear_model.SGDClassifier.html.

Answer 2

"平衡"模式使用y的值自动调整与输入数据中的类频率成反比的权重,如n_samples /(n_classes*np.bincount(y))

from sklearn.linear_model import LogisticRegression

model = LogisticRegression(class_weight='balanced')

model = model.fit(X, y)

编辑

可以在拟合方法中添加样本权重.你只需要传递一个n_samples数组.查看文档 -

http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression.fit

希望这样做......

Answer 3

你知道纳比吗？如果没有，请查看 Scipy 和 matplotlib。