报错信息:
ValueError: Solver lbfgs supports only ‘l2‘ or ‘none‘ penalties, got l1 penalty
原始代码:
log_reg= LogisticRegression()
使用网格搜索寻优时:
param_test = {'penalty':['l2','l1'],
'C':[0.01,0.1,1.0,10,100],
'class_weight':[None,'balanced']}
log_gv = GridSearchCV(estimator=log_reg, param_grid=param_test, cv=5)
log_gv.fit(train_X,train_y)
运行代码就会报上面的错误。
我们来看一下LogisticRegression()中的参数:
问题就出现在solver这个参数上,这个参数定义的是分类器,‘newton-cg’、‘sag’、‘lbfgs’等solvers仅支持‘L2’regularization;‘liblinear’ solver同时支持‘L1’、‘L2’regularization,若dual=Ture,则仅支持L2 penalty。
决定惩罚项选择的有2个参数:dual和solver,如果要选L1范数,dual必须是False,solver必须是liblinear
问题搞清楚了,把上面代码改成:
log_reg= LogisticRegression(solver=‘liblinear’)
之前用的sklearn旧版本,没遇到报错,现在用的新版本,就报错了,猜想:版本迭代升级引起的。
参考资料:
https://blog.csdn.net/qq_43922073/article/details/122087556
https://blog.csdn.net/guoqingru0311/article/details/124759482
https://zhuanlan.zhihu.com/p/39780207