Python中的加权逻辑回归

我正在寻找Python中逻辑回归（非规则化）的良好实现。我正在寻找一个可以为每个矢量获取权重的软件包。任何人都可以提出一个好的实现/包？谢谢！Python中的加权逻辑回归

2011-09-22 user5497

http://stackoverflow.com/questions/3754051/python-or-sql-logistic-regression – Mansuro

没有相关的pssible重复在这篇文章中，我也尝试过使用scipy，但是找不到任何权重...... – user5497

-2

你知道Numpy吗？如果不是，请看看Scipy和matplotlib。

2011-09-22 10:16:20 gunzapper

Scipy和Numpy dot都没有逻辑回归实现（或者我找不到任何...）。 matplotlib主要用于图形，绘图等... – user5497

我觉得这[博客]（http://blog.smellthedata.com/2009/06/python-logistic-regression-with-l2.html） – gunzapper

谢谢！我看到它，但它实现了L2规则化逻辑回归（而不是常规逻辑回归），并且除此之外它没有实现权重... – user5497

2011-09-22 10:42:32 ohe

谢谢，但是我找不到如何给每个向量赋予不同的权重。 – user5497

'sklearn.linear_model.LogisticRegression'是一个类，他的'fit'方法可以让你定义权重。 – ohe

@ohe怎么样？我找到了'fit'方法，但它只接受标签和特征的参数。不是重量。 –

我注意到这个问题是很老，但现在希望这可以帮助别人。随着sklearn，您可以使用SGDClassifier类通过简单地传递“登录”作为损失来创建一个逻辑回归模型：

sklearn.linear_model.SGDClassifier(loss='log', ...).

这个类在fit()函数实现加权样本：

classifier.fit(X, Y, sample_weight=weights)

其中权重是包含样本权重的数组，其必须（明显）与X中数据点的数量相同。

2013-02-13 13:12:46

由Olivier Grisel支持https://twitter.com/ogrisel/status/476367379413610497 – r0u1i

这对于多类问题使用one-vs-rest并且看起来不像它支持'LogisticRegression'中的'multi_class ='multinomial''选项 – akxlr

我想你想要的是statsmodels。它对GLM和其他线性方法有很大的支持。如果你来自R，你会发现非常熟悉的语法。

2013-03-07 16:13:57 Greg

的“平衡”的模式使用y的值来自动调节权重成反比类的频率在输入数据作为N_SAMPLES次/（n_classes * np.bincount（Y））

from sklearn.linear_model import LogisticRegression 

model = LogisticRegression(class_weight='balanced') 

model = model.fit(X, y)

编辑

样品重量可以在拟合方法中添加。你只需要传递一个n_samples数组。检查出的文档 -

希望这样做吧...

2016-02-23 05:06:51

这是指类别不平衡，但如果我们想要为每个样本使用不同的权重？ – mrgloom

好问题@mrgloom！您可以通过提供权重词典而不是“平衡”来指定权重。与{class_label：weight}形式的类相关的权重。如果没有给出，所有班级都应该有一个重量。 –

我需要为每个样本单独加权，而不是每个类。 – mrgloom

回答