Python：Proportional Odds Model (POM)序分类比例几率模型

DeniuHe

已于 2023-06-08 23:04:06 修改

阅读量199

点赞数 1

文章标签：分类数据挖掘人工智能

于 2023-06-08 10:37:05 首次发布

本文链接：https://blog.csdn.net/DeniuHe/article/details/131102510

版权

本文介绍了如何在Python中实现Proportional Odds Model（POM），并结合Car数据集进行了五折交叉验证，展示分类精度。同时，探讨了Logistic函数的求导及其在Sigmoid函数中的应用。

摘要由CSDN通过智能技术生成

Github上你找不到python版

Logistic 函数求导看这里

Sigmoid函数求导_np.exp(-x)_DeniuHe的博客-CSDN博客

Car数据集上五折交叉的分类精度。

相对标准的版本


"""
Daniel He
at CQUPT
2023-06-08
"""
import xlwt
import xlrd
import numpy as np
import pandas as pd
import matplotlib.pylab as plt
from copy import deepcopy
from time import time
from scipy.special import expit
from sklearn.preprocessing import OneHotEncoder
from sklearn.metrics import accuracy_score, mean_absolute_error, f1_score, mutual_info_score
from pathlib import Path
from sklearn.preprocessing import StandardScaler
from mord import LogisticAT


class POM():
    def __init__(self):
        self.X_train = None
        self.y_train = None
        self.max_iter = 500
        self.lr = 0.001
        self.tol = 1e-03
        print(self.tol)
        self