如何顯示模型的輸出？

我正在執行機器學習任務，其中我使用邏輯迴歸進行主題分類。如何顯示模型的輸出？

如果這是我的代碼：

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))

有沒有一種方法，我可以輸出究竟是什麼模型內部發生的事情。這可能是我的模型正在做的一個工作示例？就像可能顯示2-3個文件以及它們如何被分類一樣？

來源

2016-01-20 minks

您可以使用預測方法得到預測結果，但2-3個數據點的分類示例與「模型內發生的確切情況」非常不同。您不知道模型的行爲與您選擇的2-3個文件是否具有一般行爲的代表性。 – BrenBarn

你需要更具體地描述你想要的：描述它並給出一個例子或三個例子。「我的模型在做什麼」並不具體。你需要什麼級別的細節？你在問一些內部過程的痕跡嗎？這聽起來好像你想要輸出打破模型的「黑盒子」範例。還要注意，這個操作根據實現的算法而變化。 – Prune

爲了充分了解模型中發生的情況，您必須先花一些時間研究邏輯迴歸算法（例如，從講義或Wikipedia）。與其他監督技術一樣，邏輯迴歸具有超參數和參數。超參數基本上指定了算法的運行方式，您必須在初始化時提供它（即在它看到任何數據之前）。例如，您可以獲得有關類的分佈的先前信息，然後這將是一個超參數。參數是從您的數據中「學習」的。

一旦你理解了算法，有趣的問題將是你的模型的參數是什麼（回想起來，這些是從數據中檢索的）。通過訪問documentation，您可以在屬性部分找到該分類器有3個參數，您可以通過它們的字段名訪問這些參數。

如果您對這些細節不感興趣，但只想評估分類器的準確性，一種有用的技術是交叉驗證。您可以將標記的數據分成相等大小的子集，並使用k-1對它們進行訓練。然後，您評估剩下的1個子集上的訓練分類器並計算精度（即可以正確預測哪些數據比例）。這種方法有其缺點，但通常證明是非常有用的。

來源

2016-01-20 21:11:24

如何顯示模型的輸出？

回答

相關問題