[英]Train a logistic regression model in parts for big data
預處理后，我的數據集包括160萬行和17000列。 我想對該數據使用邏輯回歸，但是每次加載數據集時，該過程都會被終止。 有沒有一種方法可以訓練塊的邏輯回歸模型，而每次迭代都會更新系數。 sklearn支持我的問題的任何技術嗎？
首先，請閱讀此內容 。 在數據集上訓練LR的時間有點高。 為了避免這種情況，您可以在sklearn中使用LR的熱啟動參數，並遍歷數據塊。
warm_start：bool，默認值：False設置為True時，請重用上一次調用的解決方案以適合初始化，否則，只需擦除以前的解決方案即可。 對於liblinear求解器無用。 請參閱詞匯表。
（從這里開始 ）
更准確地說：
warm_start當在同一數據集上反復擬合估算器時，但是對於多個參數值（例如在網格搜索中找到使性能最大化的值），可以重用從先前參數值中學到的模型內容，從而節省時間。 當warm_start為true時， 現有的擬合模型屬性an用於在隨后的fit調用中初始化新模型 。
（從這里開始 ）
將數據拆分為測試和訓練，在 Pandas 中制作邏輯回歸模型
[英]splitting data into test and train, making a logistic regression model in pandas
如何使用單獨的 df 對訓練和測試數據進行邏輯回歸 model 的預測
[英]How to make predictions on a logistic regression model with a separate df for train and test data
在Scikit學習中訓練具有不同特征維度的邏輯回歸模型
[英]train logistic regression model with different feature dimension in scikit learn
如何使用邏輯回歸訓練高度不平衡的數據進行鏈接預測
[英]How to train a highly unbalanced data for link prediction using logistic regression
即使我嘗試使用訓練數據進行預測，sklearn Logistic Regression 的准確性也太低
[英]sklearn Logistic Regression has too little accuracy even if I try to predict with the train data
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
