Regression
邏輯回歸問題的決策函數、預測概率和預測函數有什麼區別？
我一直在瀏覽 sklearn 文檔，但我無法理解這些函數在邏輯回歸上下文中的用途。因為
decision_function它說它是超平面和測試實例之間的距離。這些特定信息有何用處？這與predict方法predict-proba有什麼關係？
回想一下，邏輯回歸的函數形式是
這就是
predict_proba.指數內的項
是返回的內容
decision_function。文檔中提到的“超平面”是這個術語是支持向量機的保留，它從字面上估計一個分離的超平面。對於邏輯回歸，這個超平面有點人工構造，它是等概率平面，其中模型已經確定兩個目標類別的可能性相同。
該
predict函數使用規則返回一個類決策冒著肥皂盒的風險，該
predict功能幾乎沒有合法用途，我認為在審查其他工作時使用它是錯誤的標誌。我會走得更遠，稱它為 sklearn 本身的設計錯誤（該predict_proba函數應該被調用predict，並且predict應該被調用predict_class，如果有的話）。