使用 StandardScaler 时逻辑回归结果的差异

Question

我有一个数据框：df = pd.read_excel 我做了classifier.predict(df)
我尝试的另一件事是先做 df = sc.transform(df) 然后再做
classifier.predict(df) 结果不一样。这可能是什么原因
哪一个是准确的？
我正在使用逻辑回归：

#Fitting Logistic Regression
from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state =0)
classifier.fit(X_train, y_train)

from sklearn.preprocessing import StandardScaler
sc = StandardScaler()

Answer 1

您可以使用 sckit-learn 中的 cross_val_score 测试哪个模型更准确（参见文档：https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_val_score.html）

在我看来，您将缩放器应用于数据框的那个是更准确的那个。这是因为逻辑回归假设输入变量和输出之间存在线性关系，因为它本质上是具有 sigmoid 函数的线性回归算法。扩展数据有助于更好地揭示这种线性关系。