0
我想估計在醫學數據邏輯迴歸中使用的S形/ logistic的最佳參數(最後提到:斜率和截距)。下面是我做了什麼蟒蛇:如何在Logistic迴歸中查找Logistic/S形函數參數
import numpy as np
from sklearn import preprocessing, svm, neighbors
from sklearn.linear_model import LinearRegression, LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn import preprocessing, svm, utils
from scipy.io import loadmat
import pandas as pd
我有一個包含4列Apache.mat文件:Apache的分數(0-72),患者數,死亡人數,死亡人數的比例向數(比患者人數)
datamat = loadmat('Apache.mat')
data = pd.DataFrame(np.hstack((datamat['apacheII'], datamat['NoPatients'],
datamat['NoDeaths'], datamat['proportion'])))
data.columns = ['apacheII', 'NoPatients', 'NoDeaths', 'proportion']
在這裏,我創建了數據框來處理。
x = np.array(data.drop(['NoPatients', 'NoDeaths', 'proportion'],1))
我已經放棄了不需要的列,現在只能用APACHEII評分在「X」
#scaling the data (normalizing)
x = preprocessing.scale(x)
y = np.array(data['proportion'])
離開現在,我已經使用LabelEncoder()函數來編碼「Y」,因此它可以與LogisticRegression()兼容。
lab_enc = preprocessing.LabelEncoder()
encoded = np.array(lab_enc.fit_transform(y))
clf = LogisticRegression()
clf.fit(x, encoded)
print(clf.coef_)
print(clf.intercept_)
輸出如下:
[[-0.49124107]
[-0.23528893]
[-0.19035795]
[-0.30312848]
[-0.25783808]
[-0.37161079]
[-0.12332468]
[-0.16797195]
[-0.05660718]
[-0.21279785]
[-0.22142453]
[-0.10105617]
[-0.14562868]
[ 0.00991192]
[-0.012247 ]
[ 0.03206243]
[ 0.07635461]
[ 0.20951544]
[ 0.12067417]
[-0.03441851]
[ 0.16504852]
[ 0.09850035]
[ 0.23179558]
[ 0.05420914]
[ 1.47513463]]
[-1.79691975 -2.35677113 -2.35090141 -2.3679202 -2.36017388 -2.38191049
-2.34441678 -2.34843121 -2.34070389 -2.35368047 -1.57944984 -2.3428732
-2.3462668 -2.33974088 -2.33975687 -2.34002906 -2.34151792 -2.35329447
-2.34422478 -2.34007746 -2.34814388 -2.34271603 -2.35632459 -2.34062229
-1.72511457]
我只是想找出它通常用於Logistic迴歸S形函數的參數。我怎樣才能找到S形參數(即截距和斜率)?
這裏是S形函數(如果需要參考):
def sigmoid(x, x0, k):
y = 1/(1 + np.exp(-k*(x-x0)))
return y
如果「比例」是連續變量,我認爲對於這個問題你應該尋找嶺迴歸而不是邏輯迴歸。 –
是的,你是正確的@GergesDib。謝謝。但在這裏,我只是試圖找出邏輯函數的參數,即使它不是最好的迴歸模型。任何幫助表示讚賞。 –
我想你已經找到了他們,他們是'lr.coef_'和'lr.intercept_'。有什麼問題? –