Python : Comment utiliser la Régression Logistique Multinomiale à l'aide de SKlearn
J'ai un jeu de données de test et de train jeu de données comme ci-dessous. J'ai fourni un échantillon de données avec min enregistrements, mais mes données de plus de 1000 enregistrements. Ici, E est ma variable cible dont j'ai besoin pour prédire l'aide d'un algorithme. Il a seulement quatre catégories comme 1,2,3,4. Il ne peut prendre que l'une de ces valeurs.
Ensemble De Données D'Apprentissage:
A B C D E
1 20 30 1 1
2 22 12 33 2
3 45 65 77 3
12 43 55 65 4
11 25 30 1 1
22 23 19 31 2
31 41 11 70 3
1 48 23 60 4
Ensemble De Données De Test:
A B C D E
11 21 12 11
1 2 3 4
5 6 7 8
99 87 65 34
11 21 24 12
Puisque E n'a que 4 catégories, j'ai pensé à prédire ce à l'aide de Régression Logistique Multinomiale (1 vs Reste Logique). Je suis en train de le mettre en œuvre à l'aide de python.
Je sais que la logique que nous avons besoin de définir ces objectifs dans une variable et utiliser un algorithme pour prédire l'une de ces valeurs:
output = [1,2,3,4]
Mais je suis bloqué à un point sur la façon de l'utiliser à l'aide de python (sklearn) en boucle par le biais de ces valeurs et de ce que l'algorithme doit-je utiliser pour prédire les valeurs de sortie? Toute aide serait grandement appréciée
Il a également été demandé sur datascience datascience.stackexchange.com/questions/11334/...
OriginalL'auteur Sriram Chandramouli | 2016-04-21
Vous devez vous connecter pour publier un commentaire.
LogisticRegression
peut gérer plusieurs classes out-of-the-box.OriginalL'auteur dukebody
Vous pouvez essayer de
OriginalL'auteur Daisy Qin