最近我遇到了一个叫做RidgeClassifier的模型，它将预测值 (y) 转换为 {-1,1}，然后使用 Ridge Regression。在预测期间，如果 y 的值 < 0，则预测为 -1，如果 y 的值 > 0，则预测为 +1。
所以，当RidgeClassifier对某些数据集非常有效时，为什么我们不能/不能有一个叫做LinearClassifer的东西，它可以在训练期间使用 LinearRegression 并使用相同的模型进行预测？
当 RidgeClassifier 工作时，为什么不使用 LinearClassifer？
数据挖掘
机器学习
分类
机器学习模型
2022-03-06 22:22:00
1个回答
我的立场与 Frank Harrell 在您提供的链接中所写的一致，因此我不会为您提出的方法辩护；我喜欢使用概率输出。但是，没有什么能阻止您使用 OLS 回归进行建模。毕竟，岭回归中的参数（通常）计算为。的地方做这个特殊情况，你会得到通常的 OLS 方程。
如果您决心在连续统一体上进行预测，然后转换为离散类，则线性回归与岭回归一样可行。
R中的示例
set.seed(2021)
N <- 100
x <- runif(N,-2, 2)
z <- x
pr <- 1/(1 + exp(-z))
y <- rbinom(N, 1, pr)
y_alt <- 2*y - 1 # convert to +/- 1
L <- lm(y_alt ~ x)
preds <- predict(L)
现在取preds > 0asy_alt = +1和preds < 0as y_alt = -1。
其它你可能感兴趣的问题