问题标签 [logits]

尝试使用 statsmodels .predict 预测我的测试值时出现错误。

代码：

错误：

我是 ML 新手，所以我真的不知道在做什么我不知道 logits 在代码中的含义我什至没有编写 logits 我只是按照 YouTube 教程来熟悉环境.. 这是整个代码感谢您的帮助..我知道stackoverflow上已经有这种帖子，但我认为它不适用于我的情况，也许我不知道但我仍然不知道如何即使这样做也请实施它，请帮助我在这里苦苦挣扎:) tnx代码：

错误：

我正在玩一个天真的 U-net，我将其作为玩具数据集部署在 MNIST 上。我在from_logits论证的工作方式中看到了一种奇怪的行为tf.keras.losses.BinaryCrossentropy。

据我了解，如果在任何神经网络的最后一层activation='sigmoid'使用，那么tf.keras.losses.BinaryCrossentropy你必须使用from_logits=False. 如果相反activation=None，您需要from_logits=True. 它们中的任何一个都应该在实践中工作，尽管from_logits=True看起来更稳定（例如，为什么 Keras/tensorflow 的 sigmoid 和交叉熵精度低？）。在以下示例中不是这种情况。

所以，我unet的做法如下（完整代码在这篇文章的末尾）：

现在我定义了两个模型，一个在最后一层激活：

一个没有

如果我是对的，他们应该有完全相同的行为。

相反，预测的model_withLogits像素值高达 2500 左右（这是错误的），而model_withProbs我得到的值介于 0 和 1 之间（这是正确的）。你可以看看我在这里得到的数字

我考虑过稳定性问题（from_logits=True更稳定），但这个问题甚至在训练之前就出现了（见这里）。此外，问题正是当我通过from_logits=True（即 for model_withLogits）时，所以我认为稳定性无关紧要。

有人知道为什么会这样吗？我在这里缺少任何基本的东西吗？

后脚本：代码

重新利用 MNIST 进行分割。

我加载 MNIST：

我通过将所有非零值设置为一个来将 MNIST 重新用于分割任务x_train：

全unet网：

我正在尝试使用 Keras 对 IMDB 电影评论进行二进制分类。以下是我使用的代码。

每个输入张量的形状如下。

但是在执行上述程序时，我收到以下错误。

我搜索了很多 SO 问题，但无法理解我做错了什么。有人可以帮我避免这个错误并编译模型吗？

我建立了以下非常简单的模型：

我想在 ReLU 层之后插入一个 dropout 层，所以我遵循了这篇文章的答案中描述的方法。

这是我的代码：

以下是结果模型 (nm) 的摘要：

在我看来，一切看起来都很棒。但是，当我尝试训练模型时，出现以下错误：

与大多数 logits/labels 错误不同，损失函数不是这里的问题。当我使用完全相同的代码训练原始模型时，它可以完美运行。不知何故，插入 dropout 层引入了一个不允许新模型训练的错误。

有谁知道为什么会这样？谢谢！

我想知道 statsmodels.logit 如何处理不是 0 和 1 而是介于 0 和 1 之间但在此区间内的目标值？

如果尝试使用 statsmodels.logit 预测连续但有界目标变量的逻辑回归，会发生什么？

我正在为分类任务训练 BertForSequenceClassification。我的数据集由“包含不利影响”（1）和“不包含不利影响”（0）组成。数据集包含所有 1，然后是 0（数据未打乱）。对于培训，我已经洗牌了我的数据并获得了 logits。据我了解，logits 是 softmax 之前的概率分布。一个示例 logit 是 [-4.673831, 4.7095485]。第一个值是否对应于标签 1（包含 AE），因为它首先出现在数据集中，还是标签 0。任何帮助将不胜感激，谢谢。

我正在尝试进行概率回归，但我发现我的敏感性为 0，我的特异性为 1，从而使模型几乎毫无用处。

我认为这可能与因变量的比率有关，我只有大约 1% 的数据点定义为 1，另外 99% 的数据点定义为 0。有更好的建模方法吗？我的数据集很大，有超过 100,000 个数据点，但我不确定概率/逻辑回归是否考虑了变量发生的“机会”。

提前致谢

和输出的一部分：

这是我的分类代码的一部分。logittt 拥有一个 11x 数组。我只想要每个号码分别。例如 -0.4331 在第一个输出行中，以便添加到数组中。

glmer()我使用 package 中的函数拟合了一个广义线性混合模型，其中包含作为标准ylme4的二元响应正确的概率和logits中的两个预测变量。

我现在想在y轴上绘制正确的估计概率，在x轴上绘制predictor1 的估计概率，并分别为 predictor2 的每个级别绘制一条曲线。我目前正在使用plot_model()from sjPlots，遵循本教程：

在结果图中，两个预测变量仍在 logits 中，这使得结果难以解释。
有什么方法可以将比例从 logits 转换为概率？这是否需要使用另一个包或可能在绘制结果之前将系数重新转换为概率？
我尝试将参数添加transform = "plogis"到plot_model公式中，但这不会改变预测器 1 的 x 轴的比例，也不会改变预测器 2 的比例。

我将非常感谢有关如何在 R 中实现这一点的任何指示。提前非常感谢，祝您有美好的一天！