Machine learning 使用带有概率的Vowpal wabbit作为标签来预测概率

我试图使用Vowpal Wabbit来预测给定现有统计数据集的概率。我的txt文件如下所示：

0.22 | Features1
0.28 | Features2

现在，给出这个例子，我想预测特性3的标签（概率）。我尝试使用逻辑回归：

vw -d ds.vw.txt -f model.p --loss_function=logistic --link=logistic -p probs.txt

但是得到错误：

You are using label 0.00110011 not -1 or 1 as loss function expects!
You are using label 0.00559702 not -1 or 1 as loss function expects!

等等

---

如何将这些统计数据用作预测概率的标签？

要预测连续标签，需要使用以下损失函数之一：

--loss_function squared    # optimizes for min loss vs mean
--loss_function quantile   # optimizes for min loss vs median

--loss_function squared

是

vw

的默认值，因此您可以省略它

您可以使用的另一个技巧是通过使用函数（2*概率-1）将中点0.5映射到0.0，将概率范围映射到

[-1，1]

。然后，您可以使用需要二进制标签（

-1

和

1

）的

--loss\u function logistic

），但在标签后面加上

abs（概率）

作为浮点权重：

1 0.22 | features...
-1 0.28 | features...

对于您的特定数据，这可能会更好，也可能不会更好（您必须拿出一些数据，并测试不同模型的准确性。）

---

关于二元结果的背景：

vw

“起点”（即空，或初始模型）到处都是0.0权重。这就是为什么在进行逻辑回归时，

负、正

标签必须分别为

-1、1

（而不是

0、1

）。你确定不想要线性回归吗？@erip是的，因为输出的含义应该是概率。所有输出值应介于0和1之间。此外，有上百个特征，而且对于特定的行，许多特征可能会丢失，因此我怀疑线性回归可能不准确