4回答

liuyubobobo

2018-06-14

如果你不使用GridSearchCV，直接使用Pipeline进行训练的话，可以在创建 Pipeline 的外面创建LogisticRegression的对象log_reg。将这个log_reg传给Pipeline之后，在Pipeline训练以后，直接取log_reg的coef_即可。完整的代码示意如下图（省略模拟数据的创建过程）：

但是如果你使用GridSearchCV进行网格搜索，则不一样。因为GridSearchCV内部要尝试不同的参数组合，所以会创建多个LogisticRegression的实例对象，而不会把最终结果存在你传的log_reg的实例中。所以对于GridSearchCV，在训练以后，应该调用best_estimator_（存放搜索后参数最优的那个Pipeline对象）中的named_steps数组（存放Pipeline中每一步的实例对象）相应log_reg那个名字的coef_。具体代码示例如下：

其实，named_steps数组是Pipeline的参数（此时，grid_search.best_estimator_）是Pipeline的一个对象。所以，其实在我说的第一种情况，不使用GridSearchCV进行网格搜索的时候，要想获得log_reg的coef_，也并不需要一定在Pipeline的外面创建LogisticRegression的实例对象，而同样可以使用named_steps的方式获得，有兴趣可以试试看，加深一下对Pipeline这个类的理解：）

加油！：）

1

1

慕先生6474118

感谢 bobo 老师详细的解答~ ?

2018-06-14

共1条回复

慕粉4186965

2019-07-08

但是对于name_steps得到的系数，差距有点大

0

1

liuyubobobo

可以参考这里：http://coding.imooc.com/learn/questiondetail/130281.html

2019-07-10

共1条回复

慕先生6474118

提问者

2018-06-13

或者 还是说一般逻辑回归对于线性的决策边界是白盒子；但是对于非线性的决策边界，即使是degree=3的简单情况，对于十几维的特征空间，引入多项式后维数也达到了很大的一个级别，这时是不是不方便看每个特征对应的系数，查看对结果的影响因子了？就也成黑盒子了；

0

0

慕先生6474118

提问者

2018-06-13

会报错

0

0