Math 如何在sklearn中获得逻辑回归模型的对数似然？

我在sklearn中使用了一个逻辑回归模型，我感兴趣的是检索这种模型的对数似然，以便按照建议执行普通似然比测试

该模型使用as评分规则。在文件中，对数损失定义为“给定概率分类器预测的真实标签的负对数可能性”。但是，该值始终为正值，而对数可能性应为负值。例如：

来自sklearn.linear\u模型导入逻辑回归
从sklearn.metrics导入日志\u损失
lr=逻辑回归（）
lr.安装（X_系列、y_系列）
y_概率=lr.预测概率（X_检验）
对数损失（y_测试，y_概率）#0.66738

---

我在文档中没有看到模型的任何方法，是否有其他我目前不知道的可能性？

仔细阅读；对数损失是负对数可能性。因为对数似然确实如你所说是负数，所以它的负数将是正数

让我们看一个使用虚拟数据的示例：

从sklearn.metrics导入日志\u丢失
将numpy作为np导入
y_true=np.array（[0,1,1]）
y_pred=np.array（[0.1,0.2,0.9]）
日志损失（y_真，y_前）
# 0.60671964791658428

现在，让我们使用您链接到的scikit学习文档中给出的公式（不带减号）手动计算对数似然元素（即，每个标签预测对一个值）：

log\u似然元素=y\u真*np.log（y\u pred）+（1-y\u真）*np.log（1-y\u pred）
对数似然元素
#数组（[-0.10536052，-1.60943791，-0.10536052]）

现在，给定对数似然元素（实际上为负），对数损失是其总和的负数除以样本数：

-np.sum（对数似然元素）/len（y\u真）
# 0.60671964791658428
对数损失（y_真，y_pred）==-np.sum（对数似然元素）/len（y_真）
#真的

要获得您可以计算的对数可能性：

-log_loss(y_true, y_pred)*len(y_true)

---

非常感谢你！我今天很笨。这意味着，当使用日志损失时，越低越好。或者我可以改变符号，将其视为对数可能性-对吗？@MattiaPaterna每一个被描述为“损失”的数量，都意味着“越低越好”