除非我理解有误，逻辑回归模型实际上是一个多项式（通常是各项为一阶），其中每个属性都是一个变量，每个变量都有一个相关的权重。

我在Sci-Kit Learn中训练了一个逻辑回归模型，并且希望查看代表该模型的多项式，但我不知道该如何做。

为了举例说明，假设我有一个包含4个属性的数据集X，以及对应的二进制标签y。然后，使用下面的代码

clf = LogisticRegression(penalty='l2', tol=0.0001, solver='lbfgs', max_iter=1000)model = clf.fit(X, y)

我想看到代表模型的方程。换句话说，我想得到这样的东西，其中第i个alpha项是X的第i个属性的权重，而beta是一个常数。

我查看了官方文档，但没有找到实现我希望的方式。有没有关于如何开始实现我的目标的建议？

回答：

正如评论中已经指出的，你可以通过coef_和intercept_属性分别获取权重（或LogisticRegression中的系数）和偏置项（或LogisticRegression中的截距）。以下是来自文档的两者的描述：

coef_: ndarray of shape (1, n_features) or (n_classes, n_features)
决策函数中特征的系数。

intercept_: ndarray of shape (1,) or (n_classes,).
添加到决策函数中的截距（也称为偏置）。

按照你的例子，你可以做类似这样的事情：

clf = LogisticRegression(penalty='l2', tol=0.0001, solver='lbfgs', max_iter=1000)clf.fit(X, y)print(clf.coef_)print(clf.intercept_)

coef_中的值对应于特征，即coef_中的第i个值对应于训练数据中的第i个特征。