1

在包sklearn可在这里 - Github/Sklearn我们看到linear_model模块,它很好地用于logistic regression ML问题。我成功实现了数据集的决策边界可以用直线分隔。但问题是如何实现non-linear models的logisitc回归。Python sklearn中是否有用于Non_Linear Logistic回归的模块?

我试过搜索库(在上面的guithub链接),如果它包含任何相关的模块,但不能。有没有办法处理sklearn中的非线性问题? (除了聚类算法)还有其他库可以帮助进行非线性回归吗?欢迎提出建议。

+2

您是否知道逻辑回归不是回归模型?它是一个分类器。 – Tzomas

+1

你说的是回归,但是你显示的例子是一个分类,LogisticRegression也是一个分类器。 scikit中有几个估计器,它们是非线性的,比如支持向量机。 –

回答

0

您可以做的一种方式是将您认为需要的非线性特征添加到数据集中。例如,如果您认为一个变量中的二次项有用(它们会让您适合正交椭圆),然后将x^2,y^2 ...列添加到x,y,...的数据矩阵中。然后在此上运行线性方法。