मौजूदा गुणांक से sklearn.linear_model.LogisticRegression उदाहरण बनाना

Question

क्या कोई मौजूदा गुणांक के आधार पर ऐसा एक उदाहरण बना सकता है जिसे गणना की गई थी एक अलग कार्यान्वयन (उदा। जावा) में?

मैंने एक उदाहरण बनाने की कोशिश की और फिर coef_ और intercept_ को सीधे सेट किया और ऐसा लगता है लेकिन मुझे यकीन नहीं है कि यहां कोई नीचे की तरफ है या यदि मैं कुछ तोड़ सकता हूं।

Answer 1

हाँ, यह ठीक काम करता है:

import numpy as np 
from scipy.stats import norm 
from sklearn.linear_model import LogisticRegression 
import json 
x = np.arange(10)[:, np.newaxis] 
y = np.array([0,0,0,1,0,0,1,1,1,1]) 
# training one logistic regression 
model1 = LogisticRegression(C=10, penalty='l1').fit(x, y) 
# serialize coefficients (imitate loading from storage) 
encoded = json.dumps((model1.coef_.tolist(), model1.intercept_.tolist(), model1.penalty, model1.C)) 
print(encoded) 
decoded = json.loads(encoded) 
# using coefficients in another regression 
model2 = LogisticRegression() 
model2.coef_ = np.array(decoded[0]) 
model2.intercept_ = np.array(decoded[1]) 
model2.penalty = decoded[2] 
model2.C = decoded[3] 
# resulting predictions are identical 
print(model1.predict_proba(x) == model2.predict_proba(x)) 

आउटपुट:

[[[0.7558780101653273]], [-3.322083150375962], "l1", 10] 
[[ True True] 
[ True True] 
[ True True] 
[ True True] 
[ True True] 
[ True True] 
[ True True] 
[ True True] 
[ True True] 
[ True True]] 

तो मूल और फिर से बनाया मॉडल की भविष्यवाणियों वास्तव में समान हैं।