關於 羅吉斯回歸的問題
我在跑自己資料時遇到一些疑問
問題一
我在跑羅吉斯回歸時 有出現錯誤
https://stackoverflow.com/questions/45346550/valueerror-unknown-label-type-unknown
並在網址上找到解答 他說應變數 Y 要改成數值型 我改了也有跑成功
但是應變數 Y （0 1 0 0 1）這些label應該是類別型才對吧 就像鐵答尼號 預測是否生存一樣
為什跑模型要轉成數值 ？？
問題二
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html
這網址有介紹 在跑預測值時 有三種寫法 一種會跑出 1 或 0 一種會跑出機率
predict(self, X) Predict class labels for samples in X.
predict_log_proba(self, X) Log of probability estimates.
predict_proba(self, X) Probability estimates.
請問哪一種寫法 會得出最好的預測結果 也比較部會overfitting ？？
回答列表
-
2019/05/30 下午 05:28Jimmy贊同數：3不贊同數：0留言數：0
Hi Cathyy!
不管是分類問題還是回歸問題，都是丟數值的資料進去，差別在於，分類問題會丟正整數，假設有三類，就會是 [1, 2, 1, 3, 1]，代表五筆資料，每一筆都對應某個類別。回歸則是丟實數進去，看起來會像 [15.5, 168.1, 70.5]，但都是要丟數值進去。
這三種寫法是讓你模型以不同方式呈現預測結果。第一種直接幫你找出最大機率的類別，第二種回傳 log 後的機率給你，第三種回傳所有類別的機率給你，端看你想要哪種而已。所以這只是不同型態的預測結果，並不會影響訓練，也就沒有 overfitting 的情況喔！
-
2019/05/31 上午 10:05張維元 (WeiYuan)贊同數：1不贊同數：0留言數：0
但是應變數 Y （0 1 0 0 1）這些label應該是類別型才對吧 就像鐵答尼號 預測是否生存一樣 ，為什跑模型要轉成數值 ？？
=> 因為大部分模型是基於數學做計算的，所以必須轉成數值才可以運算。雖然在套件上有些模型會幫你處理這一段，不過還是要知道這件事的脈絡。像字串型資料必須要做「One-Hot Encoding」或「 Label Encoding」也是一樣的原因～