ฉันพยายามที่จะเข้าใจว่าทำไมผลลัพธ์จากการถดถอยโลจิสติกส์ของห้องสมุดทั้งสองนี้จึงให้ผลลัพธ์ที่แตกต่างกัน
ฉันใช้ชุดข้อมูลจาก UCLA Idre กวดวิชาทำนายadmit
บนพื้นฐานgre
, และgpa
ถูกใช้เป็นตัวแปรเด็ดขาดดังนั้นจึงถูกแปลงเป็นตัวแปรดัมมีการดร็อป คอลัมน์ดักจะถูกเพิ่มด้วยrank
rank
rank_1
df = pd.read_csv("https://stats.idre.ucla.edu/stat/data/binary.csv")
y, X = dmatrices('admit ~ gre + gpa + C(rank)', df, return_type = 'dataframe')
X.head()
> Intercept C(rank)[T.2] C(rank)[T.3] C(rank)[T.4] gre gpa
0 1 0 1 0 380 3.61
1 1 0 1 0 660 3.67
2 1 0 0 0 800 4.00
3 1 0 0 1 640 3.19
4 1 0 0 1 520 2.93
# Output from scikit-learn
model = LogisticRegression(fit_intercept = False)
mdl = model.fit(X, y)
model.coef_
> array([[-1.35417783, -0.71628751, -1.26038726, -1.49762706, 0.00169198,
0.13992661]])
# corresponding to predictors [Intercept, rank_2, rank_3, rank_4, gre, gpa]
# Output from statsmodels
logit = sm.Logit(y, X)
logit.fit().params
> Optimization terminated successfully.
Current function value: 0.573147
Iterations 6
Intercept -3.989979
C(rank)[T.2] -0.675443
C(rank)[T.3] -1.340204
C(rank)[T.4] -1.551464
gre 0.002264
gpa 0.804038
dtype: float64
ผลลัพธ์จากstatsmodels
สิ่งเดียวกันกับที่แสดงบนเว็บไซต์ของคนขี้เกียจ แต่ฉันไม่แน่ใจว่าทำไม scikit-learn สร้างชุดของค่าสัมประสิทธิ์ที่แตกต่างกัน มันลดฟังก์ชั่นการสูญเสียที่แตกต่างกันบ้างไหม? มีเอกสารใดบ้างที่ระบุถึงการนำไปปฏิบัติ
glmnet
แพ็คเกจใน R แต่ไม่สามารถรับค่าสัมประสิทธิ์เดียวกันได้ glmnetมีฟังก์ชั่นค่าใช้จ่ายแตกต่างกันเล็กน้อยเมื่อเทียบกับsklearnแต่แม้ว่าฉันจะตั้งค่าalpha=0
ในglmnet
(หมายถึงเพียงใช้ L2 โทษ) และชุดที่1/(N*lambda)=C
ผมยังไม่ได้รับผลเดียวกันได้หรือไม่