scikit 通过对数回归学习弹性网络
scikit learn elastic net with log regression
我想将 scikit 的包 elastic net 与对数回归一起使用。这是我目前正在做的事情:
from sklearn.linear_model import ElasticNet
enet = ElasticNet(alpha=alpha, l1_ratio=0.7)
y_enet = enet.fit(X_train, y_train)
是否可以将模型更改为对数回归?
您可以在 SGD 分类器中执行此操作:
from sklearn import linear_model
enet = linear_model.SGDClassifier(loss='log', penalty='elasticnet', alpha=alpha, l1_ratio=0.7)
y_enet = enet.fit(X_train, y_train)
我想将 scikit 的包 elastic net 与对数回归一起使用。这是我目前正在做的事情:
from sklearn.linear_model import ElasticNet
enet = ElasticNet(alpha=alpha, l1_ratio=0.7)
y_enet = enet.fit(X_train, y_train)
是否可以将模型更改为对数回归?
您可以在 SGD 分类器中执行此操作:
from sklearn import linear_model
enet = linear_model.SGDClassifier(loss='log', penalty='elasticnet', alpha=alpha, l1_ratio=0.7)
y_enet = enet.fit(X_train, y_train)