用于简单逻辑回归的 Python Vanilla 代码答案

【问题标题】：Python Vanilla Code for simple Logistic regression用于简单逻辑回归的 Python Vanilla 代码
【发布时间】：2019-11-07 11:49:07
【问题描述】：

给定系数和截距，如何手动计算逻辑回归的概率和预测分数。

from sklearn.linear_model import LogisticRegression
X=data_X.values
y=data_Y

clf = LogisticRegression().fit(X, y)

下面有一些错误的手动计算代码

import numpy as np

scores=np.array([])
count=0
for x in X:
    score=np.dot(x,clf.coef_[0])+clf.intercept_
    expScore=np.exp(score)
    finalScore=expScore/(1+expScore)
    scores=np.append(scores,finalScore)
    if count<3:
        print(finalScore)
        print(scores)
        count=count+1
scores

由于分数与我的 preict_proba 分数不匹配，我想修复我的预测 Proba 代码以便更好地理解。

【问题讨论】：

标签： python scikit-learn logistic-regression

【解决方案1】：

公式中有错误

finalScore=1/(1+expScore)

【讨论】：