Python 允许概率作为金标准的逻辑回归

是否有逻辑回归的python实现，它允许概率作为目标（即金标准）

我的数据如下（第一至三列：特征，第四列：金本位）：

---

并且似乎只允许0或1作为目标

特别是如果您对上一列中的概率是如何估计的有直觉，您可以尝试使用。在scikit learn中，您将按照统计答案中的详细信息计算样本权重，并将其传递给其

样本权重

参数中的

如果没有关于概率代表什么的任何进一步信息，您可能会将数据集转换为如下所示：

32 453 65 0, sample_weight = 45
32 453 65 1, sample_weight = 55
15 34 222 0, sample_weight = 12
15 34 222 1, sample_weight = 88
33 66 161 0, sample_weight = 24
33 66 161 1, sample_weight = 76

---

为什么重量是45？在这个问题中，没有提到每个二项组的回答数量。你的方法行不通。

45*0+55*1

只是对分数0.55的简单解释；如果你不知道55%是如何估算的，那么这似乎是最简单的尝试。它代表了一个强有力的假设，即所有的组都可以相等地加权。在这里采取的最佳措施是返回并获得您计算的每个概率的响应数。没有它，回归就不知道每组的准确度有多高。

32 453 65 0, sample_weight = 45
32 453 65 1, sample_weight = 55
15 34 222 0, sample_weight = 12
15 34 222 1, sample_weight = 88
33 66 161 0, sample_weight = 24
33 66 161 1, sample_weight = 76