允许概率作为黄金标准的逻辑回归答案

【问题标题】：Logistic regression that allows a probability as gold standard允许概率作为黄金标准的逻辑回归
【发布时间】：2017-06-16 18:42:24
【问题描述】：

是否有任何逻辑回归的 Python 实现，它允许将概率作为目标（即黄金标准）。

我的数据如下（第一到三列：特征，第四列：黄金标准）：

32 453 65 0.55
15 34 222 0.88
33 66 161 0.76

scikit-learn 和 graphlab 似乎只允许 0 或 1 作为目标。

【问题讨论】：

这里采取的最佳操作是返回并获取您计算的每个概率的响应数。没有它，回归不知道每个组的准确度。

标签： python machine-learning logistic-regression

【解决方案1】：

特别是如果您对最后一列的概率有何估计，您可以尝试使用weighted logistic regression。在Scikit-Searn中，您将计算样本权重，详细说明在该统计数据中，并将其传递给sample_weight参数中的LogisticRegression.fit method。

没有关于概率所代表的任何进一步的信息，您可能会将您的数据集转换为看起来像这样的东西：

32 453 65 0, sample_weight = 45
32 453 65 1, sample_weight = 55
15 34 222 0, sample_weight = 12
15 34 222 1, sample_weight = 88
33 66 161 0, sample_weight = 24
33 66 161 1, sample_weight = 76

【讨论】：

为什么45是重量？在问题中，每个二项式组中没有提到响应数量。你的方法无法正常工作。 span>
45 * 0 + 55 * 1只是对0.55分数的天真解释;如果您不了解55％的详细信息，请尝试最简单的事情。它代表了所有组可以同样加权的强烈假设。 span>