如何解释逻辑回归的系数和截距

Posted 2023-03-12

【中文标题】如何解释逻辑回归的系数和截距

【英文标题】：How to interpret coefficients and intercepts of logistic regression

【发布时间】：2019-02-12 00:17:40

【问题描述】：

我正在运行 Iris 数据集...我有四个特征和一个目标 多变的。我只得到三个拦截而不是四个 在这种情况下，请 coef_。

代码：

from sklearn.linear_model import LogisticRegression
lr=LogisticRegression()
lr.fit(train_x,train_y)

结果：

    lr.coef_
    output-
    array([[ 0.37158254,  1.35098324, -2.09936396, -0.93263471],
       [ 0.46758048, -1.57259888,  0.39692171, -1.0678223 ],
       [-1.52865509, -1.43245908,  2.30484329,  2.08586834]])

   lr.intercept_
   output-
   array([ 0.23818179,  1.0298293 , -1.04654308])

【参考方案1】：

拦截取决于类的数量，而不是特征的数量。 请参阅文档here。

鸢尾花数据集根据official documentation分为3类。

因此，我觉得一切都很好。

截距是添加到决策函数中的偏差。您可以将fit_intercept 设置为False 以查看分类结果在有和没有截距的情况下有何变化。