这是解决多项式问题的Logistic回归的正常行为。
看
there
:
在多类情况下,训练算法使用one vs rest
(OvR)方案
当问题为二进制时,intercept_的形状为(1,)。
示例:
>>> clf = LogisticRegression()
>>> clf.fit([[1,2], [1,3], [0, 1]], [[0],[1],[0]])
>>> clf.coef_
array([[ 0.02917282, 0.12584457]])
>>> clf.intercept_
array([-0.40218649])
>>> clf.fit([[1,2], [1,3], [0, 1]], [[0],[1],[2]])
>>> clf.coef_
array([[ 0.25096507, -0.24586515],
[ 0.02917282, 0.12584457],
[-0.41626058, -0.43503612]])
>>> clf.intercept_
array([-0.15108918, -0.40218649, 0.1536541 ])
事实上,有一些模型旨在解决不同的二进制问题。你们可以合并第i个coef和第i个intercept,你们将得到求解第i个二进制问题的模型,等等,直到列表的末尾。