Блог

Главная - Вопросы по программированию - Как найти имена функций коэффициентов, используя StackingClassifier логистическую регрессию (двоичная классификация)

Как найти имена функций коэффициентов, используя StackingClassifier логистическую регрессию (двоичная классификация)

#python #scikit-learn #logistic-regression #mlxtend

#python #scikit-learn #логистическая регрессия #mlxtend

Вопрос:

Я пытаюсь использовать StackingClassifier с логистической регрессией (двоичный классификатор). Пример кода:

 from sklearn.datasets import load_iris
from mlxtend.classifier import StackingClassifier
from sklearn.linear_model import LogisticRegression


iris = load_iris()
X = iris.data
y = iris.target

y[y == 2] = 1 #Make it binary classifier

LR1 = LogisticRegression(penalty='l1')
LR2 = LogisticRegression(penalty='l1')
LR3 = LogisticRegression(penalty='l1')
LR4 = LogisticRegression(penalty='l1')
LR5 = LogisticRegression(penalty='l1')


clfs1= [LR1, LR2]
clfs2= [LR3, LR4, LR5]

cls_=[]
cls_.append(clfs1)
cls_.append(clfs2)

sclf = StackingClassifier(classifiers=sum(cls_,[]), 
    meta_classifier=LogisticRegression(penalty='l1'), use_probas=True, average_probas=False)

sclf.fit(X, y)

sclf.meta_clf_.coef_ #give the weight values

Для каждого классификатора начальная логистическая регрессия дает значение вероятности для двух классов. Поскольку я использую 5 классификаторов, sclf.meta_clf_.coef_ дает 10 значений весов.

массив([[-0.96815163, 1.25335525, -0.03120535, 0.8533569 , -2.6250897 , 1.98034805, -0.361378 , 0.00571954, -0.03206343, 0.53138651]])

Меня смущает порядок значений веса. означает

  • Являются ли первые два значения (-0.96815163, 1.25335525) для первой логистической регрессии LR1 ?
  • Являются ли 2-е два значения (-0.03120535, 0.8533569) для первой логистической регрессии LR2 ?

Я хочу выяснить, какие значения для какой логистической регрессии (LR) для классификатора стекирования.

Пожалуйста, помогите.

Ответ №1:

Если ваш вывод:

массив([[-0.96815163, 1.25335525, -0.03120535, 0.8533569 , -2.6250897 , 1.98034805, -0.361378 , 0.00571954, -0.03206343, 0.53138651]])

Затем,

-0.96815163, 1.25335525: вероятность 0 и 1 для LR1

-0.03120535, 0.8533569: вероятность 0 и 1 для LR2

-2.6250897, 1.98034805: вероятность 0 и 1 для LR3

-0.361378, 0.00571954: вероятность 0 и 1 для LR4

-0.03206343, 0.53138651: вероятность 0 и 1 для LR5

Метки: ,