使用 JavaScript 将逻辑回归拟合到数据集并获得 beta 系数？

Using JavaScript to fit logistic regressions to datasets and obtaining beta-coefficients?

背景

使用 JavaScript，我需要将逻辑回归拟合到我生成的数据集。具体来说，我需要拟合多变量逻辑回归，并且我想获得模型的 beta 系数。如何在 JavaScript 中编写此功能？

我试过的

js-regression (npm)：我使用了示例逻辑回归从这个包中，然而它似乎更倾向于训练一个模型，然后对数据进行分类。
machinelearn (npm)：我在他们的文档中看到了逻辑回归示例，但我无法让它工作。我还怀疑这个包更倾向于训练模型然后对数据进行分类。

解决方案

坚持使用 js-regression 后，我深入研究了它的源代码，发现我错误地设置了训练数据的结构。本质上，使用 fit() 函数生成的模型的 theta 属性是您的系数列表。

代码

let model = logistic.fit(training_dataset); // Generate the model
console.log(model); // Log the model

这输出：

{
  theta: [ ... ], // These were my coefficients
  threshold: 1,
  cost: ...,
  config: { alpha: 0.001, lambda: 0, iterations: 10000 }
}