pipeline实现多分类（比如用ovo）含多项式项的逻辑回归

Question

老师要用pipeline实现多分类（比如用ovo）含多项式项的逻辑回归模型，下面这两种写法哪个对呢，我运行了一下都是可以运行的
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.multiclass import OneVsOneClassifier
from sklearn.linear_model import LogisticRegression
import numpy as np

X = np.random.normal(0, 1, size=(200, 2))
y = np.array((X[:,0]**2+X[:,1]**2)<1.5, dtype=‘int’)

1、
log_reg = LogisticRegression()
def PolynomialLogisticRegression(degree):
return Pipeline([
(‘poly’, PolynomialFeatures(degree=degree)),
(‘std_scaler’, StandardScaler()),
(‘log_reg’, OneVsOneClassifier(log_reg))
])
poly_log_reg = PolynomialLogisticRegression(degree=2)
poly_log_reg.fit(X, y)
print(poly_log_reg.score(X, y))

2、
def PolynomialLogisticRegression(degree):
return Pipeline([
(‘poly’, PolynomialFeatures(degree=degree)),
(‘std_scaler’, StandardScaler()),
(‘log_reg’, LogisticRegression())
])
poly_log_reg = PolynomialLogisticRegression(degree=2)
poly_log_reg=OneVsOneClassifier(poly_log_reg)
poly_log_reg.fit(X, y)
print(poly_log_reg.score(X, y))

Answer 1

liuyubobobo 2019-08-14 01:24:24

从代码的角度，都是对的。

但是，你的第二中写法，LogisticRegression类的构建，multi_class参数没有传值，即使用默认值，是OvR的方式，可以参考 sklearn 文档，LogisticRegression 类的 multi_class 参数。

传送门：https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html

继续加油！：）

• 提问者 wxz123 #1

  老师我的第二种写法中，LogisticRegression类的构建，multi_class参数没有传值，使用默认值OvR的方式，但我后面用了poly_log_reg=OneVsOneClassifier(poly_log_reg)这样一行代码，这样是不是就实现了ovo的方式了？这样就和我上面写的第一种代码实现了完全相同的功能呢？

• liuyubobobo 回复 提问者 wxz123 #2

  哦哦 我之前没有看见你后面那部分。没问题，也是ovo：）

• 提问者 wxz123 #3

  感谢老师！