逻辑回归(Logistic Regression)

具有LASSO（L1）或脊（L2）正则化的逻辑回归分类算法。

输入

  • 数据：输入数据集
  • 预处理器：预处理方法

输出

  • 学习器：逻辑回归学习算法
  • 模型：训练过的模型
  • 系数: 逻辑回归系数

功能

逻辑回归(Logistic Regression) 从数据中学习逻辑回归模型。 它仅适用于分类任务。

界面

  1. 学习器在其他小部件中使用的名称。 默认名称是“逻辑回归(Logistic Regression)”。

  2. 正则化类型类型:L1或L2。 设置正则化强度（默认为C = 1）。

  3. 发送报告
  4. 勾选 “自动应用” 以自动传送对其他小部件的更改，并在连接学习数据后立即训练分类器。 或者，在配置后按 “应用”。

示例

在 hayes-roth_learn 数据集上通过 逻辑回归(Logistic Regression) 演示预测结果。我们首先在文件(File)小部件中加载 hayes-roth_learn ，然后将数据传递给 逻辑回归(Logistic Regression) 。 然后，我们将训练后的模型传递给预测(Predictions)。

现在，我们要预测新数据集上的类别。 我们在第二个文件(File)小部件中加载 hayes-roth_test ，并将其连接到预测(Predictions)。 现在，我们可以直接在预测(Predictions)中观察使用 逻辑回归(Logistic Regression) 预测的类别。

反馈问题

文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈

点我反馈

进入反馈页面不知道如何反馈, 请点击这里

更新时间: