在 scikit 学习中使用逻辑回归的交叉验证找到最佳 Lasso/L1 正则化强度

Question

对于我的逻辑回归模型，我想使用交叉验证（例如：5 折）代替单个测试训练集来评估最佳 L1 正则化强度，如下面的代码所示：

from sklearn.model_selection import train_test_split
train_x, test_x, train_y, test_y = train_test_split(X_scaled,y, stratify=y, test_size=0.3, 
   random_state=2)

#Evaluate L1 regularization strengths for reducing features in final model 
C = [10, 1, .1, 0.05,.01,.001] # As C decreases, more coefficients go to zero

for c in C:
    clf = LogisticRegression(penalty='l1', C=c, solver='liblinear', class_weight="balanced")
    clf.fit(train_x, train_y)
    pred_y=clf.predict(test_x) 
    print("Model performance with Inverse Regularization Parameteter, C = 1/λ VALUE: ", c)
    cr=metrics.classification_report(test_y, pred_y)
    print(cr)
    print('')

有人可以告诉我如何使用交叉验证（即不将上述代码复制 5 次和不同的随机状态）在 5 个不同的测试训练集上执行此操作吗？

Answer 1

实际上，classification_report 作为一个指标并未定义为 sklearn.model_selection.cross_val_score 中的评分指标。因此，我将在以下代码中使用 f1_micro：

from sklearn.model_selection import cross_val_score

#Evaluate L1 regularization strengths for reducing features in final model 
C = [10, 1, .1, 0.05,.01,.001] # As C decreases, more coefficients go to zero

for c in C:
    clf = LogisticRegression(penalty='l1', C=c, solver='liblinear', class_weight="balanced")
    # using data before splitting (X_scaled) and (y)
    scores = cross_val_score(clf, X_scaled, y, cv=5, scoring="f1_micro")  #<-- add this
    print(scores)  #<-- add this

变量 scores 现在是一个包含五个值的列表，表示原始数据的五个不同拆分的分类器的 f1_micro 值。

如果您想在sklearn.model_selection.cross_val_score中使用另一个评分指标，您可以使用以下命令获取所有可用的评分指标：

print(metrics.SCORERS.keys())

此外，您可以使用多个评分指标；以下同时使用 f1_micro 和 f1_macro:

from sklearn.model_selection import cross_validate

cross_validate(clf, X_scaled, y, cv=5, scoring=["f1_micro", "f1_macro"])

在 scikit 学习中使用逻辑回归的交叉验证找到最佳 Lasso/L1 正则化强度

Find optimal Lasso/L1 regularization strength using cross validation for logistic regression in scikit learn

python

lasso-regression

scikit-learn

cross-validation