Mô hình tuyến tính tổng quát với phân phối Poisson.
Thủy biến này sử dụng chức năng liên kết ‘log.
Đọc thêm trong Hướng dẫn sử dụng.User Guide.
Mới trong phiên bản 0.23.
Tham số: Alphafloat, mặc định = 1:alphafloat, default=1Hằng số nhân với thuật ngữ hình phạt và do đó xác định cường độ chính quy. alpha = 0 tương đương với các GLM không được tính hóa. Trong trường hợp này, ma trận thiết kế X phải có thứ hạng cột đầy đủ [không có cộng đồng]. Các giá trị phải nằm trong phạm vi [0.0, inf].
Chỉ định nếu một hằng số [a.k.a. sai lệch hoặc chặn] nên được thêm vào bộ dự đoán tuyến tính [x @ coef + chặn].
max_iterint, mặc định = 100int, default=100Số lần lặp tối đa cho người giải. Các giá trị phải nằm trong phạm vi [1, inf].
Dừng tiêu chí. Đối với bộ giải LBFGS, phép lặp sẽ dừng khi max{|g_j|, j = 1, ..., d} >> from sklearn import linear_model
>>> clf = linear_model.PoissonRegressor[]
>>> X = [[1, 2], [2, 3], [3, 4], [4, 3]]
>>> y = [12, 17, 22, 21]
>>> clf.fit[X, y]
PoissonRegressor[]
>>> clf.score[X, y]
0.990...
>>> clf.coef_
array[[0.121..., 0.158...]]
>>> clf.intercept_
2.088...
>>> clf.predict[[[1, 1], [3, 4]]]
array[[10.676..., 21.875...]]
Phương pháp
| Phù hợp với một mô hình tuyến tính tổng quát. |
| Nhận tham số cho công cụ ước tính này. |
| Dự đoán bằng GLM với Ma trận tính năng X. |
| Tính d^2, tỷ lệ phần trăm của sự lệch lạc giải thích. |
| Đặt các tham số của công cụ ước tính này. |
Dành: Thuộc tính X1 đã không được dùng trong phiên bản 1.1 và sẽ bị xóa trong 1.3.
Đảm bảo khả năng tương thích ngược cho thời gian khấu hao.
phù hợp [x, y, sample_weight = none] [nguồn] ¶[X, y, sample_weight=None][source]¶Phù hợp với một mô hình tuyến tính tổng quát.
Dự đoán bằng GLM với Ma trận tính năng X.
Tính d^2, tỷ lệ phần trăm của sự lệch lạc giải thích.array-like of shape [n_samples,]Đặt các tham số của công cụ ước tính này.
tài sản của Family¶array-like of shape [n_samples,], default=NoneDành: Thuộc tính X1 đã không được dùng trong phiên bản 1.1 và sẽ bị xóa trong 1.3.
Đảm bảo khả năng tương thích ngược cho thời gian khấu hao.
phù hợp [x, y, sample_weight = none] [nguồn] ¶[deep=True][source]¶Nhận tham số cho công cụ ước tính này.
Dự đoán bằng GLM với Ma trận tính năng X.:deepbool, default=TrueTính d^2, tỷ lệ phần trăm của sự lệch lạc giải thích.
Returns:paramsdict:paramsdictĐặt các tham số của công cụ ước tính này.
tài sản của Family¶[X][source]¶Dự đoán bằng GLM với Ma trận tính năng X.
Nhận tham số cho công cụ ước tính này.:X{array-like, sparse matrix} of shape [n_samples, n_features]Samples.
Dự đoán bằng GLM với Ma trận tính năng X.:y_predarray of shape [n_samples,]Tính d^2, tỷ lệ phần trăm của sự lệch lạc giải thích.
Đặt các tham số của công cụ ước tính này.[X, y, sample_weight=None][source]¶Tính d^2, tỷ lệ phần trăm của sự lệch lạc giải thích.
Đặt các tham số của công cụ ước tính này.User Guide.
tài sản của Family¶\[D^2 = 1-\frac{D[y_{true},y_{pred}]}{D_{null}}\], \[D_{null}\] is the null deviance, i.e. the deviance of a model with intercept alone, which corresponds to \[y_{pred} = \bar{y}\]. The mean \[\bar{y}\] is averaged by sample_weight. Best possible score is 1.0 and it can be negative [because the model can be arbitrarily worse].
Nhận tham số cho công cụ ước tính này.:X{array-like, sparse matrix} of shape [n_samples, n_features]Dự đoán bằng GLM với Ma trận tính năng X.
Tính d^2, tỷ lệ phần trăm của sự lệch lạc giải thích.array-like of shape [n_samples,]Đặt các tham số của công cụ ước tính này.
tài sản của Family¶array-like of shape [n_samples,], default=NoneDành: Thuộc tính X1 đã không được dùng trong phiên bản 1.1 và sẽ bị xóa trong 1.3.
Đảm bảo khả năng tương thích ngược cho thời gian khấu hao.
phù hợp [x, y, sample_weight = none] [nguồn] ¶[**params][source]¶Đặt các tham số của công cụ ước tính này.
tài sản của Family¶
Parameters:**paramsdict:**paramsdictDành: Thuộc tính X1 đã không được dùng trong phiên bản 1.1 và sẽ bị xóa trong 1.3.
phù hợp [x, y, sample_weight = none] [nguồn] ¶