Version imprimable
Bonjour,
Je suis nouveau dans le monde statistique et j'utilise scikit-Learn pour effectuer certains algorithme et je butes sur la différence entre LogisticRegression et LogisticRegressionCV.
Merci de m'aider ou du moins de me donner un site qui pourra m'aider.
Salut !
Je ne suis pas (encore... ;) ) expert de sklearn, mais quand on croise les signatures :
Code:LogisticRegressionCV(Cs=10, fit_intercept=True, cv=None, dual=False, penalty='l2', scoring=None, solver='lbfgs', tol=0.0001, max_iter=100, class_weight=None, n_jobs=1, verbose=0, refit=True, intercept_scaling=1.0, multi_class='ovr', random_state=None)
on remarque que LogisticRegressionCV contient le paramètre cv qui signifie cross validation.Code:LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver='liblinear', max_iter=100, multi_class='ovr', verbose=0, warm_start=False, n_jobs=1)
De plus en regardant le code source on voit :
ce qui pour moi signifie que LogisticRegression et LogisticRegressionCV sont relativement identique et que la différence réside principalement dans le fait que LogisticRegressionCV va tenter de tunner les paramètres en fonction des scores obtenus dans le cross validation set...Code:class LogisticRegressionCV(LogisticRegression, BaseEstimator, LinearClassifierMixin, _LearntSelectorMixin)
Après il est possible que je me trompe, je ne me suis jusqu'à présent que servit de LogisticRegression et je me code moi même mes fonctions pour tunner les paramètres telles que la régularisation...