发起人:Ryan Fan 管理专家

正在搞机器学习,干过搜索引擎,码农

回复 ( 5 )

  1. 匿名用户
    理由
    举报 取消

    恭喜你意识到了sklearn的本质。答案是无法查看,因为sklearn是一个机器学习库而非统计库。

    对于做机器学习的人来说,显著性根本不重要,只要在test score高就行了。真要去掉不怎么相关的feature的话,就加L1 regularization

  2. 赵惜墨
    理由
    举报 取消

    有啥潜在问题啊

  3. 匿名用户
    理由
    举报 取消

    看看训练误差就行了,训练误差还跟选定的参数有关。用cross validation 还可以帮你找到最好的参数。减小参数C,增强正则化,降低overfitting的风险。或者使用集成模型,具有一般性。

  4. 用户头像
    理由
    举报 取消

    用statsmodels吧。统计的用统计的。机器学习用机器学习的。

  5. 匿名用户
    理由
    举报 取消

    并不是所有学科建模时都会看显著性,就算是统计系的人也不是每个人都会看显著性。其实你不用看,只要test set的结果好就可以了

我来回答

Captcha 点击图片更换验证码