Я давно построил модель логистической регрессии, и у меня есть коэффициенты. Я не сохранил сам объект модели, а просто собрал и сохранил его beta
s. Это выглядит так:
variables = ['inquiries', 'income', 'credit']
coeffs = [0.25, -0.34, -0.50]
Как известно, вероятность логистической регрессии рассчитывается следующим образом:
xbeta = 0.25*inquiries - 0.34*income - 0.50*credit
prob = 1/(1+e^(-xbeta))
Мой вопрос: Как я могу преобразовать эти два уравнения в PMML / JPMML, чтобы, когда этот (J) PMML вызывается кем-то другим, он мог действовать как обученная модель логистической регрессии и создавать вероятность, используя значения входных переменных? Могу ли я просто написать свой PMML с помощью текстового редактора, или есть какие-либо встроенные методы Python или R, чтобы сделать это эффективно?
Я знаю, как преобразовать обученную модель scikit-learn в PMML или обученную модель R в PMML; но я не знаю, как преобразовать такую настраиваемую функцию в PMML.