我正在执行一项机器学习任务，其中我使用逻辑回归进行主题分类。
如果这是我的代码：
model= LogisticRegression()
model= model.fit(mat_tmp, label_tmp)
y_train_pred = model.predict(mat_tmp_test)
print(metrics.accuracy_score(label_tmp_test, y_train_pred))
有没有办法输出模型内部到底发生了什么。就像我的模型正在做什么的工作示例一样？比如显示 2-3 个文档以及它们是如何分类的？
为了充分了解模型中正在发生的事情，您必须首先花一些时间来研究逻辑回归算法（例如，从讲义或维基百科）。与其他监督技术一样，逻辑回归具有超参数和参数。超参数基本上指定了算法的运行方式，您必须在初始化时（即在它看到任何数据之前）提供。例如，您可以事先获得有关类分布的信息，这些信息将成为超参数。 参数是从您的数据中"学习"的。
一旦你理解了算法，有趣的问题将是你的模型的参数是什么（回想一下，这些是从数据中检索的）。通过访问文档，您可以在属性部分找到此分类器有 3 个参数，您可以通过其字段名称访问这些参数。
如果您对这些细节不感兴趣，而只想评估分类器的准确性，那么交叉验证是一种有用的技术。您将标记的数据拆分为 k 个大小相等的子集，并使用其中的 k-1 训练分类器。然后，在剩余的 1 个子集上评估经过训练的分类器并计算准确性（即可以正确预测的数据比例）。这种方法有其缺点，但被证明非常有用。