邏輯迴歸sklearn - 火車和應用模型

Question

我是新來的機器學習和第一次嘗試Sklearn。我有兩個數據框，一個用於訓練邏輯迴歸模型（具有10倍交叉驗證）的數據和另一個用於使用該模型預測類（'0,1'）的數據。 這裏是我到目前爲止的代碼使用教程我在Sklearn文檔和Web上發現的位：

import pandas as pd 
import numpy as np 
import sklearn 
from sklearn.linear_model import LogisticRegression 
from sklearn.model_selection import KFold 
from sklearn.preprocessing import normalize 
from sklearn.preprocessing import scale 
from sklearn.model_selection import cross_val_score 
from sklearn.model_selection import cross_val_predict 
from sklearn import metrics 


# Import dataframe with training data 
df = pd.read_csv('summary_44.csv') 
cols = df.columns.drop('num_class') # Data to use (num_class is the column with the classes) 

# Import dataframe with data to predict 
df_pred = pd.read_csv('new_predictions.csv') 

# Scores 
df_data = df.ix[:,:-1].values 

# Target 
df_target = df.ix[:,-1].values 

# Values to predict 
df_test = df_pred.ix[:,:-1].values 

# Scores' names 
df_data_names = cols.values 

# Scaling 
X, X_pred, y = scale(df_data), scale(df_test), df_target 

# Define number of folds 
kf = KFold(n_splits=10) 
kf.get_n_splits(X) # returns the number of splitting iterations in the cross-validator 

# Logistic regression normalizing variables 
LogReg = LogisticRegression() 

# 10-fold cross-validation 
scores = [LogReg.fit(X[train], y[train]).score(X[test], y[test]) for train, test in kf.split(X)] 
print scores 

# Predict new 
novel = LogReg.predict(X_pred) 

這是實現Logistic迴歸正確的方法是什麼？ 我知道在交叉驗證後應該使用fit（）方法來訓練模型並將其用於預測。然而，由於我在列表理解中調用了fit（），所以我真的不知道我的模型是否「適合」並可用於進行預測。

Answer 1

我一般的東西都沒問題，但也有一些問題。

1. 獨立縮放

   X, X_pred, y = scale(df_data), scale(df_test), df_target 
   

你大規模的培訓和測試數據，這是不正確的。兩個數據集都必須使用相同的縮放器進行縮放。 「Scale」是一個簡單的功能，但最好使用其他的東西，例如StandardScaler。

scaler = StandardScaler() 
scaler.fit(df_data) 
X = scaler.transform(df_data) 
X_pred = scaler.transform(df_test) 

交叉驗證和預測。 你的代碼如何工作？你將數據分成10次進入訓練和保持組;在火車上設置10次適合的模型，並計算出阻止設置的分數。這樣您就可以得到交叉驗證分數，但該模型僅適用於部分數據。因此，這將更好地適應於整個數據集模型，然後做一個預測：

LogReg.fit(X, y) 
novel = LogReg.predict(X_pred) 

我要注意的還有先進的像堆疊和提高工藝，但是如果你學習使用sklearn，然後堅持基本要好。