在多项逻辑回归中解释系数矩阵、截距向量和混淆矩阵

Question

谁能解释如何解释coefficientMatrix、interceptVector 、Confusion matrix

multinomial logistic regression。

根据 Spark 文档：

通过多项逻辑 (softmax) 回归支持多类分类。在多项逻辑回归中，该算法生成 K 组系数，或维度为 K×J 的矩阵，其中 K 是结果类的数量，J 是特征的数量。如果算法适合截距项，则长度为 K 的截距向量可用。

我使用 spark ml 2.3.0 翻了一个例子，得到了这个结果。

.

如果我分析我得到的：

coefficientMatrix 的维度为 5 * 11

interceptVector 的维度为 5

如果是这样，为什么the Confusion matrix 的维度是4 * 4？

另外，谁能解释一下coefficientMatrix，interceptVector ？

为什么我得到负系数？

如果分类后的类数是 5，为什么我在the confusion matrix 中得到 4 行？

编辑

我忘了说我还是机器学习的初学者，我在谷歌上的搜索没有帮助，所以也许我得到了赞成票:)

Answer 1

关于 4x4 混淆矩阵：我想当您将数据拆分为测试和训练时，您的训练集中有 5 个类，而您的测试集中只有 4 个类。如果响应变量的分布不平衡，这很容易发生。
在建模之前，您需要尝试在测试和训练之间执行一些分层拆分。如果您正在使用 pyspark，您可能会发现这个库很有帮助：https://github.com/databricks/spark-sklearn

现在关于多类 Logistic 回归的负系数：正如您所提到的，您返回的 coefficientMatrix 形状是 5x11。 Spark 通过一对多的方法生成了五个模型。第一个模型对应于模型，其中正类是第一个标签，负类由所有其他标签组成。假设这个模型的第一个系数是-2.23。为了解释这个系数，我们采用 -2.23 的指数，即（大约）0.10。此处的解释：“随着第一个特征增加一个单位，我们预计正面标签的几率会降低 90%”