Logistic回归中错误数据集的处理方法
在Logistic回归中，错误数据集的处理方法可以通过以下步骤进行：
- 数据清洗：首先，需要对数据集进行清洗，包括处理缺失值、异常值和重复值等。可以使用数据预处理技术，如插补、删除或替换缺失值，使用统计方法或可视化方法检测和处理异常值，以及使用去重技术处理重复值。
- 特征选择：在处理错误数据集之前，可以进行特征选择来减少数据集中的噪声和冗余特征。常用的特征选择方法包括过滤法、包装法和嵌入法等。这些方法可以帮助识别和选择与目标变量相关性最高的特征。
- 数据转换：对于非数值型数据，需要进行数据转换以便于模型的处理。可以使用独热编码、标签编码或特征哈希等技术将非数值型数据转换为数值型数据。
- 数据平衡：如果数据集存在类别不平衡的情况，即某个类别的样本数量远远大于其他类别，可以采取数据平衡的方法来处理。常用的数据平衡技术包括欠采样、过采样和合成采样等。
- 模型训练和评估：在处理错误数据集后，可以使用处理后的数据集进行模型训练和评估。可以选择适当的机器学习算法，如Logistic回归算法，使用训练集进行模型训练，并使用测试集进行模型评估。评估指标可以包括准确率、精确率、召回率、F1值等。
腾讯云相关产品和产品介绍链接地址：
- 数据清洗：腾讯云数据清洗服务（https://cloud.tencent.com/product/dqc）
- 特征选择：腾讯云机器学习特征选择（https://cloud.tencent.com/product/mlfs）
- 数据转换：腾讯云数据处理服务（https://cloud.tencent.com/product/dps）
- 数据平衡：腾讯云机器学习数据平衡（https://cloud.tencent.com/product/mlsb）
- 模型训练和评估：腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
相关·内容
我有适合多项式logistic回归的数据，但我不知道如何建立预测我的Y的模型。
如何用SPSS进行多项Logistic回归分析？
逐步的方法是如何工作的？
浏览 2提问于2012-06-22得票数 0
4回答
我知道logistic回归适用于二元分类，而softmax回归则适用于多类问题.如果我用相同的数据训练多个logistic回归模型，并将它们的结果归一化，得到多类分类器而不是使用一个softmax模型，会有什么不同吗？我想结果是一样的。我可以说：“所有的多类分类器都是二进制分类器的级联结果”。(神经元网络除外)
浏览 3提问于2016-03-17得票数 24
回答已采纳
1回答
logistic回归的特征范围
、、、、
我用logistic回归。我们知道这是一种有监督的方法，在训练和测试数据中都需要计算特征值。有六个特征。虽然产生这些特征值的函数是不同的，它们的最大值可以是1，但是有四个特征(包括训练和测试数据)的值很低。例如，它们的范围在0到0.1之间，从来不等于1，甚至超过0.1！因此，这些特征的价值是非常接近的。其他特性是正常分布的(它们的范围在0到0.9之间)。因此，这两种特征之间的差异很大，我认为这给logistic回归的学习过程带来了困难。我说的对吗？!它需要对这些特性进行任何转换/规范化吗？任何帮助都将不胜感激。
浏览 0提问于2016-02-07得票数 1
1回答
我尝试使用PROC LOGISTIC来计算DATA1数据的回归参数估计。我想使用PROC SCORE通过使用DATA1数据集中的参数估计来对DATA2数据集进行评分。
我知道它应该与PROC REG一起工作，但我有一个逻辑回归。
浏览 1提问于2016-05-13得票数 0
我正在探索Scikit-learn logistic回归算法。据我所知，作为训练的一部分，该算法建立了一条回归曲线，其中y变量的范围从0到1(S型S曲线)。在这里，y变量是一个连续变量(尽管实际上它是一个离散变量)。。
当训练数据集反映现实并包括y变量作为离散变量时，算法如何学习S曲线？在训练中没有概率估计，所以我想知道算法是如何学习S曲线的。
浏览 2提问于2021-01-03得票数 1
我有一个数据集，需要应用二进制分类来预测目标值。将Logistic回归、朴素贝叶斯、KNN、SVM、决策树等5种算法应用于训练集中。其中，使用Logistic回归的二进制分类给了我最高的精度，但问题是我没有对数据集进行预处理。现在，我应该再次使用所有五种算法来训练我的模型，还是说使用Logistic回归的二进制分类在预处理训练数据集之后会再次给出最高的精度？
浏览 5提问于2022-04-28得票数 0
回答已采纳
我需要预测的目标变量是probabilities (与标签相反)。我的培训数据中相应的列也在此表格中。我不希望通过对目标进行阈值处理来丢失信息，从而产生一个分类问题。
如果我用二进制标签训练logistic regression classifier，sk学习logistic回归API允许在预测时获得概率。然而，我需要用概率来训练它。在scikits中是否有一种方法可以做到这一点--学习，或者一个合适的Python包，它可以扩展到1K维度的100 K数据点。
浏览 1提问于2017-12-05得票数 6
回答已采纳
1回答
你好，我在看安德鲁·吴的机器学习课程。我发现，在回归问题中，特别是logistic回归问题中，他们使用整数值来表示可以在图中绘制的特征。但是，在很多用例中，特征值可能不是整数。
让我们考虑下面的示例：
我想建立一个模型来预测某个人今天是否会休假。根据我的历史数据，我可能会发现以下特性有助于构建培训集。
人名，一周中的一天，到现在为止留给他的假期数(这可能是一个不断减少的变量)等等。
因此，以下是基于以上的问题
如何为我的logistic回归模型设计训练集。
在我的训练集中，我发现一些变量在不断减少(如离开的次数)。这会产生任何问题吗，因为我知道线性回归中使用的变量不断增加或减少。是真的
浏览 1提问于2018-11-09得票数 2
回答已采纳
我正在使用这里使用logistic 分析的神经痛数据集运行具有二进制端点的套索回归。我运行以下代码
proc hpgenselect data=Neuralgia;
class Treatment Sex;
model Pain= Treatment Sex Treatment*Sex Age Duration / binary;
SELECTION METHOD=lasso DETAILS=all;
ods output ParameterEstimates=peLASSO; /*Outputs parameter estimates dataset*/
浏览 7提问于2020-12-01得票数 1
2回答
我知道线性回归做“回归”，logistic回归做“分类”。当我们实现这两种方法时，我能注意到的唯一不同是损失函数:线性回归使用均方误差这样的损失函数，logistic使用交叉熵。还有什么我不知道的区别吗？
浏览 0提问于2018-09-14得票数 1
回答已采纳
1回答
在Logistic回归中，我们从数据集的培训中学到了什么？与线性回归一样，在训练集的帮助下，我们能够生成一条最佳拟合线(y= mx+c)，其中m和c来自于训练我们的数据集。同样地，一旦我们训练了我们的logistic回归模型，模型会学到什么，然后用来预测特定输入的类呢？
浏览 0提问于2019-08-31得票数 0
回答已采纳
我在为泰坦尼克号的凯斯做学习任务。
我有不同的预测精度，如果我执行线性回归手动分离数据或使用cross_val_score。logistic回归也是如此。
示例.
-线性回归.
手册
Algorithm = LinearRegression()
kf = KFold(dataset.shape[0], n_folds=3, random_state=1)
predictions = []
for train, test in kf:
train_predictors = (dataset[Predictors].iloc[train])
train_target = dat
浏览 2提问于2015-08-22得票数 1
第一张图片是SPSS的结果。
这是分析的R码(logistic回归前向选择)。
#stepwise logistic regression
fullmod<-
glm(Grouping~Age+ODI+B+C+E+D+F+G+H+J+K+L,data=data1,family=binomial)
nothing<-glm(Grouping~1, data=data1, family=binomial)
summary(nothing)
forwards =
step(nothing,scope=list(lower=fo
浏览 0提问于2019-07-09得票数 0
回答已采纳
1回答
我使用"Stroke“数据集从中比较了以下不同分类模型的准确性：
K-Nearest-Neighbor (KNN)。
Decision Trees。
Adaboost。
Logistic Regression。
我没有亲自实现这些模型，而是使用了sklearn库的实现。在对模型进行培训之后，我运行了测试数据，并打印了每个模型的精度水平，这些是结果：
正如您所看到的，KNN、Adaboost和Logistic Regression给了我完全相同的准确性。
我的问题是，它们之间甚至没有很大的区别，这是否有意义?还是我在途中犯了一个错误(即使我只使用了sklea
浏览 1提问于2022-07-19得票数 0
回答已采纳
在python中，我正在用logistic回归建立一个波动预测模型。我的模型精度是0.47，而且只预测了0。实现的y变量实际上是81个零和92个1。
我拥有的数据集只有几个特性和220个用户(记录)。如果我设定一个参考时间，它甚至更少(训练集约有123条记录，测试集约有173条记录)。因此，我认为样本规模太小，无法使用logistic回归。但是我仍然尝试，因为这只是一个样本测试，所以我只得到了这个小的数据集。(理论上有更多的数据)
from sklearn.linear_model import LogisticRegression
logreg = LogisticRegression()
浏览 0提问于2019-05-14得票数 0
回答已采纳
我正在研究机器学习算法的时间复杂性，我无法找到用于预测新输入的Logistic回归的时间复杂性。我读过，对于分类是O(c*d) c-是类数，d是维数，我知道对于线性回归，搜索/预测时间复杂度是O(d)。你能解释一下Logistic回归的搜索/预测时间复杂度是什么吗？提前谢谢你
其他机器学习问题的示例：
浏览 2提问于2019-01-17得票数 10
回答已采纳
如果极大似然估计( MLE )不能给出Logistic回归中参数的适当闭型解，为什么这种方法会有如此多的讨论呢？为什么不坚持梯度下降来估计参数呢？
浏览 0提问于2022-05-04得票数 2
回答已采纳
我想问，在logistic回归中找到根的主要原因是什么(也就是为什么我们在logistic回归中使用牛顿拉夫森方法)。我理解牛顿拉夫森方法的基本原理，但我不明白寻找根或使用二阶导数的重要性。
我知道牛顿·拉夫森的想法，我想知道为什么我们要用这个方法去寻找函数的零点或根呢？以逻辑回归为例，它想告诉我们什么？
浏览 0提问于2018-05-02得票数 3
回答已采纳
2回答
我在学习Logistic回归，有一件事我无法理解。
我知道什么是Logistic函数，我研究过。但是我不明白为什么逻辑函数等于$w$和$x$之间的点乘积。
$$ \log \左侧(\frac{p}{1-p}\右)=\bar{\omega }\cdot \bar{x} $$
对我来说，这是两个完全不同的概念，我不明白为什么以这种方式联系在一起。你能帮帮我吗?
浏览 0提问于2018-01-14得票数 3
我借用了文档中的一个概念来使用RBM+ Logistic回归进行分类。
但是，我得到了一个不应该抛出的错误，因为我的数据矩阵中的所有条目都是数字的。
代码：
from sklearn import preprocessing, cross_validation
from scipy.ndimage import convolve
from sklearn.neural_network import BernoulliRBM
from sklearn.pipeline import Pipeline
from sklearn import linear_model, datasets, metr
浏览 2提问于2014-01-20得票数 2
回答已采纳
我有一个应用程序，它接受两个文件，测试和训练，并使用以下代码执行Logistic回归：
Logistic logisticRegression = new Logistic(); logisticRegression.buildClassifier(_data); Evaluation evaluation = new Evaluation(_data); evaluation.evaluateModel(logisticRegression, _testData);
我得到以下例外：
java.lang.ArrayIndexOutOfBoundsException: 9 at wek
浏览 4提问于2016-04-23得票数 0
1回答
我曾在同一标准化数据集(二进制分类)上训练过skearn中的Logistic回归和决策树。
决策树的最重要系数是(按tree.feature_importances_排序)：
📷
对于logistic回归(按abs(logreg.coef_)排序)：
📷
“总日费用”是决策树中最重要的系数，而logistic回归则仅为第5位。为什么？
S的“总日收费”比下一个决策树系数高出大约35%，但对于logreg来说，它几乎比最重要的系数少50%。
我无法想象这种最优的分离超平面，至少在三维。我可以想象，logreg中最大的coeff必须与维数相对应，这是最好的分离维数。
浏览 0提问于2022-11-28得票数 0
我正在使用skmultilearn库来解决一个多标签机器学习问题。有5个标签包含二进制数据(0或1)。Sklearn logistic回归被用作基本分类器。但是我需要为每个分类器设置标签特定的特征。一个分类器的标签数据将用作另一个分类器的特征。我不知道该怎么做。 感谢您的帮助。
浏览 16提问于2020-09-01得票数 0
我有一个I(标签)从1到1040不等的数据库。我使用多类Logistic回归来预引用id。现在，如果我只想训练一部分标签，比如说从800到810。当我为11个类设置setNumClasses( 11 ) -时，会得到一个错误。我必须始终将此方法设置为类的最大值，即1040。这样，培训模式将对所有标签进行0到1040的培训，这是非常昂贵的，而且使用了大量的资源。
我明白了吗？如何通过给出setNumClasses(count_of_classes)来训练我的模型只用于标签的子集。
final LogisticRegressionModel model = new LogisticRegressi
浏览 4提问于2016-03-10得票数 0
回答已采纳
我在Weka上工作，但我无法理解SimpleLogistic和Logistic分类器之间的区别。有人知道其中的区别吗？
浏览 10提问于2012-11-07得票数 7
这是一个很小的滑雪片段：
logistic = linear_model.LogisticRegression()
pipe = Pipeline(steps=[
('scaler_2', MinMaxScaler()),
('pca', decomposition.NMF(6)),
('logistic', logistic),
])
from sklearn.cross_validation import train_test_split
Xtrain, Xtest, ytrain, ytest
浏览 6提问于2016-08-28得票数 3
回答已采纳
我正在使用Sklearn进行功能选择：
基于树的特征选择: RandomForestClassifier.feature_importances_
基于L2的特征选择: LogisticRegression.coef_
目标变量是二进制类。培训集是标准化的。
当某一特征在随机森林估计中表现出显著的重要性，而在Logistic回归中表现为负系数时，该如何解释？
浏览 0提问于2019-09-19得票数 1
回答已采纳
当我在训练数据集上的模型时，我在error.can下面，任何人请帮助我
在训练数据集上训练模型
logreg = LogisticRegression()
logreg.fit(x_train,y_train)
logreg =LogisticRegression (solver='lbfgs', max_iter=9000)
这会产生：
/Users/aswanthmanne/opt/anaconda3/lib/python3.8/site-packages/sklearn/linear_model/_logistic.py:763: ConvergenceWarning:
浏览 0提问于2021-02-03得票数 0
我正在研究一个多类分类问题，它有65个特性和150 K实例.30%的特征是分类的，其余的是数字的(连续的)。我知道在将数据分成训练子集和测试子集之后，应该进行标准化或规范化，但我仍然不确定估算过程。对于分类任务，我计划使用随机森林、Logistic回归和XGBOOST (它们不是基于距离的)。
谁能解释一下哪一个应该放在第一位？分裂>归责还是imputation>split？如果split>imputation是正确的，我应该遵循imputation>standardization还是standardization>imputation？
浏览 0提问于2019-06-03得票数 12
回答已采纳
我看到了一些在神经网络模型中使用CBOW的例子(尽管我不理解它们)。
我知道，Word2Vec与BOW或TFIDF不同，因为CBOW没有单一的值，我看到的所有例子都使用了神经网络。
我有两个问题：
1:我们能否将向量转换为单个值，并将其放入数据中，以便在logistic回归模型中使用？
2:是否有使用逻辑回归的CBOW使用的简单代码？
浏览 0提问于2021-06-12得票数 0
3回答
朴素贝叶斯和Logistic回归都能很好地分类这两个数据集吗？我的理解是，朴素贝叶斯可以，和Logistic回归与复杂的条件可以分类这些数据集。如果我错了，请帮忙。
数据集的图像如下：
浏览 3提问于2014-01-30得票数 3
回答已采纳
我有一个多分类逻辑回归模型。使用一个非常基本的滑雪板管道，我在清理文本描述一个对象，并将所述对象分类为一个类别。
logreg = Pipeline([('vect', CountVectorizer()),
('tfidf', TfidfTransformer()),
('clf', LogisticRegression(n_jobs=1, C=cVal)),
])
一开始，我的调整强度为C= 1e5，在我的测试集上获得了78%的准确率，在我的训练集中
浏览 0提问于2020-07-16得票数 5
回答已采纳
1回答
我在R中使用caret软件包，进行岭Logistic回归。现在我能找到每个变量的系数。
的问题是：如何用岭logistic回归来了解各变量的系数的标准误差？
下面是我的示例代码：-
Ridge1 <- train(Group ~., data = train, method = 'glmnet',
trControl = trainControl("cv", number = 10),
tuneGrid = expand.grid(alpha = 0,
浏览 3提问于2020-02-12得票数 1
我需要从一个logistic混合效应模型中计算95%的置信区间或预测概率，该模型是用lme4 R软件包中的glmer函数创建的。该模型包括一个稳定的概率加权，以校正分析数据上的选择偏差。
我读过bootMer函数(lme4包)执行基于模型的半参数引导，它使前向得到CI作为分布的分位数(分位数法)。
然而，当我应用函数bootMer时，会生成以下错误：
sfun中的错误(对象，nsim = 1，ftd = rep_len(musim，n* nsim)，wts =权重)：无法从非整数prior.weights模拟
我必须使用非整数权重，所以我的问题是如何使用bootMer函数来解决这个问题
浏览 0提问于2019-08-30得票数 0
1回答
我最近开始使用python从事机器学习等相关领域的工作。今天，我正在处理一个数据集，我想在其中应用降维并应用我的模型来评估分数。这个数据集有30个特征。
我从一个简单的算法开始，这是Logistic回归，但在应用我的logistic回归之前，我想做一个PCA。为了确定哪个组件的数量是最好的，我使用了带有逻辑回归的gridsearchCV，只使用了C参数和我选择组件数量的主成分分析。我得到的结果是，我在PCA中使用的组件越多，精度得分就越高。以我的n_components=30为例，我得到了0.81的精度分数。
问题是，我认为PCA用于降维(即处理较少的特征)，它可以帮助提高分数。有什么我不明白
浏览 1提问于2020-10-26得票数 0
我正在研究一个在Iris数据集上应用受限Boltzmann机器的例子。从本质上讲，我试图对人民币和LDA进行比较。根据一个建议，我使用skearn.preprocessing.Binarizer对特征输入进行二值化，并尝试了不同的阈值参数值。我尝试了几种不同的方法来应用二进制化，但似乎都不适合我。
下面是我基于这个用户的版本的代码的修改版本。
任何有用的意见，我们都非常感谢。
from sklearn import linear_model, datasets, preprocessing
from sklearn.cross_validation import train_test_spli
浏览 5提问于2015-09-23得票数 1
我试图用k-折叠交叉验证来评估一个logistic回归分类器。我想知道在使用cross_validate_predict时是否需要在处理数据之前对数据进行洗牌，以及是否需要在使用之前对数据进行拟合：
# THIS DOES A RANDOM SHUFFLE
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size = 0.33, random_state = 42)
transformer = WEASELMUSE(strategy='uniform',word_size=4, window_size
浏览 0提问于2021-06-16得票数 1
2回答
岭回归与Lasso回归
、、、
拉索回归还是弹性网络回归总是好于岭回归？
我对一些数据集进行了这些回归，结果总是一致的，即均方误差在拉索回归中最小。这只是巧合，还是无论如何都是如此？
浏览 3提问于2019-05-25得票数 1
回答已采纳
2回答
我想从零开始在python中实现Logisitic回归。其中的职能如下：
乙状体
成本
费米农
Logistic回归评价
我想知道，在python中从零开始是一个很好的开始。任何关于如何和什么才是好的指导。我知道这些函数的理论，但我在寻找一个更好的复调答案。
我使用了octave，我做得很好，但是不知道如何在python中开始，因为OCtave已经设置了这些包来完成工作。
浏览 6提问于2013-12-02得票数 1
回答已采纳
我想了解选择ML算法的标准，即在这种情况下选择哪种算法的准则是什么？
我知道的原因是：
Logistic回归将被选择，以防我们想建议对y变量的影响对任何x变量的变化。
随机森林对混合数据有很好的效果，对于分类数据非常有效。此外，它首先进行特征选择(因此不需要降维)。
随机森林因其处理时间长，不适合于高性能、多类别数据的采伐。
支持向量机能很好地处理狗对猫图像处理中的数据点。
但这些不足以选择任何人，因为我没有理由不选择哪种算法，比如什么时候选择SVM而不是Logistic回归或RF而不是Logistic回归。
我唯一的理由是性能，所以我运行所有的算法，谁的表现最好，我选择(但这不是正确的方式)
浏览 0提问于2020-01-07得票数 2
回答已采纳
3回答
我学习Logistic回归已经有些日子了，我认为logistic回归的数据集的标签应该是1或0，对吗？
但是当我查找库的时，我看到标签值是连续数(例如1.0086，1.0089...)，我是不是遗漏了什么？
请注意，libSVM库可用于解决回归问题。
非常感谢！
浏览 1提问于2013-01-19得票数 3
1回答
logistic回归的概率方法涉及到极大似然估计( MLE )，即利用偏导数求最佳拟合线的最佳参数。
几何方法包括将+1和-1分别赋值给类1和0。随机线适合于数据。计算点与直线之间的距离，并根据y*d公式识别正确和不正确的错误分类。这一过程一直持续到我们发现错误分类数量最少的时候。
这些方法中有哪些是逻辑回归的？
浏览 0提问于2021-11-09得票数 1
1回答
了解随机森林博客的几个问题
、、、、
我试图用随机森林和logistic回归模型来理解关于敏感性和特异性之间的权衡的好博客。我有几个问题：
1)博客在ranger包中使用了10倍的交叉验证(参见模型mod_rf)，并将度量设置为ROC。那么，我们得到的最终输出(混淆矩阵)是否是在10个验证集中具有最佳ROC (AUC值)的输出？
2)当我试图通过varImp(mod_rf)查看变量重要性时，它说重要性值是不可用的。为什么会这样呢？我怎么才能拿到呢？
3) caret包在R中允许过采样来调整数据的不平衡。他们尝试logistic回归(见sim_glm模型)进行过抽样，并指定repeats = 2重复10倍交叉验证2次。它怎麽工作?我
浏览 0提问于2018-12-03得票数 1
1回答
我不是ML方面的专家，最近我开始逐个实现ML算法。在成功地实现了logistic回归之后，我遇到了如何选择给定数据集的多项式模型的问题。我们基于输入特征有不同的多项式组合(例如m样本数据集的n个特征)，但有选择最佳拟合多项式的方法吗？我脑子里有两个想法，我不确定它们是否正确。如果科学家使用任何特定的算法或过程，请注意我。谢谢。
是否就像我们运行不同的多项式，并看到哪一个多项式会导致最低的成本？(我觉得这将是一个漫长而痛苦的过程)
绘制数据并可视化，看看什么样的多项式假设最适合这种假设(同样，对于多维数据，可视化绘图太难了)
浏览 1提问于2020-03-29得票数 1
1回答
我正在建立一个包含大约40个变量的数据集的logistic回归模型。在构建这些类型的模型时，我使用的第一步是使用DV统一运行每个变量(Hosmer，Lemeshow，& Sturdivant，2013年)。我为我构建了一个函数，并返回每个函数的p值。
Fit Univariate logistic regression model for each covariate
uni.log2 <- function(x) {
log.mod2 <- glm(Renewf ~ x, data = dt.train2, family = binomial())
return(
浏览 2提问于2018-05-24得票数 0
回答已采纳
我开发了一个设计师来实现回归模型在蔚蓝机器学习工作室。我采取了数据集药丸，然后将数据集按规定的方式进行训练和测试。当我试图实现评估指标并运行管道时，当我调用dataset进行操作时，它显示了一个警告和错误。当我试图用线性回归运行时，我对同样的实现感到有点困惑，它的工作原理如图中所示。如果采用同样的方法来实现logistic回归，则在构建评估指标时出现了一些警告和错误。
以上的成功都是线性回归。当涉及到logistic回归时，它显示了管道中的警告和错误。
任何帮助都是非常感谢的。
浏览 5提问于2022-09-23得票数 0
回答已采纳
如果我在Python中使用TextBlob获得文本(正/负)的数据标签0/1，然后使用logistic回归进行训练和预测，这是基于特征的方法还是基于规则的方法？
浏览 0提问于2021-12-05得票数 0
我正在开发二进制分类模型，以预测我的数据集中的医疗状况。我的结果表明，Logistic回归和线性支持向量机的性能一直优于其他ML算法(SVM、NB、MLP和DT)，如下截图所示：
📷
观察最近的研究，我发现了多项关于机器学习在临床预测模型中不优于logistic回归现象的研究和评论，例如对71项研究的系统回顾：https://pubmed.ncbi.nlm.nih.gov/30763612/。
我想了解LR比其他更复杂的ML算法性能更好意味着什么？它只是表明我的类是线性可分的吗？
浏览 0提问于2023-03-16得票数 0
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？ 我认为归一化是一种可能的解决方案，但由于我在做统计数据的差异，所以大多数值都在相同的范围内 代码： X = final_data_array[:,:656]
Y = final_data_array[:,656]
X_train, X_test, Y_train, Y_test = train_test_split(X, Y)
l
浏览 16提问于2019-04-03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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
