如何在逻辑回归中获取权重向量

Question

我有一个 X 特征矩阵

和一个 y 标签矩阵，我正在使用二进制逻辑回归，如何获得给定矩阵 X 特征和 Y 标签矩阵的权重向量。我对如何在斯克莱恩中实现这一目标感到有点困惑。

如何解决问题？

Answer 1

如果我

理解正确，您正在寻找coef_属性：

lr = LogisticRegression(C=1e5)
lr.fit(X, Y)
print(lr.coef_) # returns a matrix of weights (coefficients)

coef_属性的形状应为：(# of classes，# of features(

如果您还需要截距(AKA 偏差(列，请使用以下内容：

np.hstack((clf.intercept_[:,None], clf.coef_))

这将为您提供一个形状数组：( n_classes ， n_features + 1 (

Answer 2

clf_bow_perb = LogisticRegression(C= 10, penalty= 'l2')
clf_bow_perb.fit(X_1,y_1)
y_pred = clf_bow_perb.predict(X_1)
print("Accuracy on test set: %0.3f%%"%(accuracy_score(y_1, y_pred)*100))
print("Non Zero weights:",np.count_nonzero(clf.coef_))