如何使用glmnet逻辑回归获得0和1之间的概率考虑下面的例子 rm（list=ls（all=T））图书馆（ISLR）图书馆（glmnet）击球手=不适用。忽略（击球手） #二元proble-Logistic回归打者$1000，1，0）击球手$Salary表（击球手$Salary） # 0 1 # 233 30 #cls_R_Logistic Regression_Glmnet

如何使用glmnet逻辑回归获得0和1之间的概率考虑下面的例子 rm（list=ls（all=T））图书馆（ISLR）图书馆（glmnet）击球手=不适用。忽略（击球手） #二元proble-Logistic回归打者$1000，1，0）击球手$Salary表（击球手$Salary） # 0 1 # 233 30 #cls

如何使用glmnet逻辑回归获得0和1之间的概率考虑下面的例子 rm（list=ls（all=T））图书馆（ISLR）图书馆（glmnet）击球手=不适用。忽略（击球手） #二元proble-Logistic回归打者$1000，1，0）击球手$Salary表（击球手$Salary） # 0 1 # 233 30 #cls,r,logistic-regression,glmnet,R,Logistic Regression,Glmnet,在predict调用中，您需要type=“response”参数集。根据文件，它返回拟合概率 pred = predict(fit, s='lambda.min', newx=x_test, type="response") 另外，如果您只是需要分类标签，您可以使用添加s='lambda.min'在我的情况下似乎不起作用，添加s=0.01确实起作用。 pred = predict(fit, s='lambda.min', newx=x_test, type="response")

在predict调用中，您需要

type=“response”

参数集。根据文件，它返回拟合概率

pred = predict(fit, s='lambda.min', newx=x_test, type="response")

另外，如果您只是需要分类标签，您可以使用添加

s='lambda.min'

在我的情况下似乎不起作用，添加

s=0.01

确实起作用。

pred = predict(fit, s='lambda.min', newx=x_test, type="response")