python - 您可以在 sklearn 逻辑回归输入中使用计数吗？

Question

所以，我知道在 R 中，您可以以这种形式为逻辑回归提供数据：

model <- glm( cbind(count_1, count_0) ~ [features] ..., family = 'binomial' )

cbind(count_1, count_0)有没有办法用 sklearn.linear_model.LogisticRegression做类似的事情？还是我实际上必须提供所有这些重复的行？（我的特征是分类的，所以会有很多冗余。）

Answer 1

如果它们是分类的 - 你应该提供它的二进制版本。我不知道 R 中的代码是如何工作的，但是您应该始终对分类特征进行二值化。因为您必须强调您的特征的每个值都与另一个无关，即对于可能值为 1、2、3、4 的特征“blood_type”，您的分类器必须知道 2 与 3 无关，而 4 与在任何意义上都与 1 相关。这些是通过二值化来实现的。

如果二值化后的特征太多 - 您可以通过 FeatureHasher 或更复杂的方法（如 PCA）来降低二值化数据集的维度。