小编vis*_*may的帖子

我想构建一个随机森林回归器来模拟计数数据（泊松分布）。默认的“mse”损失函数不适合这个问题。有没有办法定义自定义损失函数并将其传递给 Python 中的随机森林回归器（Sklearn 等）？

是否有任何实现可以在任何包中拟合 Python 中的计数数据？

我使用以下方法训练了逻辑模型，来自乳腺癌数据，并且仅使用了一个特征“mean_area”

from statsmodels.formula.api import logit
logistic_model = logit('target ~ mean_area',breast)
result = logistic_model.fit()

在训练好的模型中有一个内置的预测方法。然而，这给出了所有训练样本的预测值。如下

predictions = result.predict()

假设我想要一个新值的预测，比如 30 我如何使用经过训练的模型来输出值？（而不是手动读取系数和计算）