Python 用概率响应（或成功/失败次数）而不是二进制输出来训练模型

我通过一组功能聚合了数据印象和点击。 并想使用scikit学习估计点击概率（CTR）。 也就是说，响应变量是点击次数除以印象次数（#点击次数/#印象次数）

我如何训练具有概率响应（CTR）（或点击次数/印象）而不是二进制输出的模型

注：类似于二项族的R glm（）

数据，例如：

谢谢，

---

Boris

使用

predict\u proba

而不是

predict

来获得概率，而不仅仅是二进制输出。详情请参阅

---

请参阅Github上的讨论。

您基本上只需要一个具有概率解释的分类器。尝试逻辑回归，请参阅本示例中的示例逻辑回归分类器具有多类响应变量。我怎样才能用概率作为回答而不是课堂？或者，我该如何告诉物流部，把这两个栏目（点击，#印象）理解为点击的概率。谢谢！我的意思是如何将聚合数据输入逻辑回归。而不是“1”表示成功，“0”表示失败。作为Y属性输入每个聚合级别的成功和失败总数。