[英]Train a logistic regression model in parts for big data
预处理后，我的数据集包括160万行和17000列。 我想对该数据使用逻辑回归，但是每次加载数据集时，该过程都会被终止。 有没有一种方法可以训练块的逻辑回归模型，而每次迭代都会更新系数。 sklearn支持我的问题的任何技术吗？
首先，请阅读此内容 。 在数据集上训练LR的时间有点高。 为了避免这种情况，您可以在sklearn中使用LR的热启动参数，并遍历数据块。
warm_start：bool，默认值：False设置为True时，请重用上一次调用的解决方案以适合初始化，否则，只需擦除以前的解决方案即可。 对于liblinear求解器无用。 请参阅词汇表。
（从这里开始 ）
更准确地说：
warm_start当在同一数据集上反复拟合估算器时，但是对于多个参数值（例如在网格搜索中找到使性能最大化的值），可以重用从先前参数值中学到的模型内容，从而节省时间。 当warm_start为true时， 现有的拟合模型属性an用于在随后的fit调用中初始化新模型 。
（从这里开始 ）
将数据拆分为测试和训练，在 Pandas 中制作逻辑回归模型
[英]splitting data into test and train, making a logistic regression model in pandas
如何使用单独的 df 对训练和测试数据进行逻辑回归 model 的预测
[英]How to make predictions on a logistic regression model with a separate df for train and test data
在Scikit学习中训练具有不同特征维度的逻辑回归模型
[英]train logistic regression model with different feature dimension in scikit learn
如何使用逻辑回归训练高度不平衡的数据进行链接预测
[英]How to train a highly unbalanced data for link prediction using logistic regression
即使我尝试使用训练数据进行预测，sklearn Logistic Regression 的准确性也太低
[英]sklearn Logistic Regression has too little accuracy even if I try to predict with the train data
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
