python中逻辑回归coef__Python——sklearn 中 Logistics Regression 的 coef_ 和 intercept_ 的具体意义...

sklearn 中 Logistics Regression 的 coef_ 和 intercept_ 的具体意义

​使用sklearn库可以很方便的实现各种基本的机器学习算法，例如今天说的逻辑斯谛回归(Logistic Regression)，我在实现完之后，可能陷入代码太久，忘记基本的算法原理了，突然想不到coef_和intercept_具体是代表什么意思了，就是具体到公式中的哪个字母，虽然总体知道代表的是模型参数。

正文

我们使用 sklearn 官方的一个例子来作为说明，源码可以从这里下载，下面我截取其中一小段并做了一些修改：

import numpy as np

import matplotlib.pyplot as plt

from sklearn.datasets import make_blobs

from sklearn.linear_model import LogisticRegression

# 构造一些数据点

centers = [[-5, 0], [0, 1.5], [5, -1]]

X, y = make_blobs(n_samples=1000, centers=centers, random_state=40)

transformation = [[0.4, 0.2], [-0.4, 1.2]]

X = np.dot(X, transformation)

clf = LogisticRegression(solver='sag', max_iter=100, random_state=42, multi_class=multi_class).fit(X, y)

prin