Scikit learn 我应该如何在Scikit学习中使用随机逻辑回归？

我只是没能理解这门课的目的。 我可以用它来拟合数据，并得到特性的分数，但这门课应该做什么呢

我看不出我如何使用它来实际执行回归使用的模型是合适的。上面文档中的示例只是创建一个类的实例，所以我看不出这有什么帮助

有一些方法可以执行“转换”操作，但没有提到这是什么类型的转换

那么，是否可以使用这个类来获得新测试数据的实际预测，以及是否可以在交叉折叠验证中使用它来与我正在使用的其他方法进行性能比较

我在其他分类器中使用了排名最高的功能，但我不确定这个分类器是否可以实现更多功能

更新：我在部分文档中找到了fit_transform的用法：

当目标是降低数据的维数以与另一个分类器一起使用时，它们公开了一种选择非零系数的变换方法

---

除非我得到一个说我错了的答案，否则我会假设这个分类器确实不做预测。在回答我自己的问题之前，我将等待。

随机LR应该是一种特征选择方法，而不是分类器本身。其API与标准scikit学习转换器的API相匹配：

randomlr = RandomizedLogisticRegression()
X_train = randomlr.fit_transform(X_train)
X_test = randomlr.transform(X_test)

---

然后将模型安装到

X\u列车上

，并像往常一样在

X\u测试上进行分类。
谢谢您的确认。文档中本可以包含您的声明，对于第一次查看该声明的人来说，事情会更容易弄清楚。@sarikan:a如果您能提供文档字符串的改进版本，我们将不胜感激。我很高兴，您一定会这样做的（注：为什么我不能用“at”larsmans来指代你的尼克？当我在评论中输入它时，它似乎消失了。我也看到过这种情况。我不知道为什么会发生，但既然你在回复我的答案，我还是得到了一个ping。