逻辑回归和线性回归比较

最新推荐文章于 2022-03-22 09:18:36 发布

雪儿和颖儿

最新推荐文章于 2022-03-22 09:18:36 发布

阅读量509

点赞数

本文链接：https://blog.csdn.net/Graceguanguan/article/details/104581246

版权

本文探讨逻辑回归，特别是 LogisticRegression 类的参数、属性和方法。参数如 penalty（默认 'l2'）、C（正则化系数）和 solver（默认 'lbfgs'）等对模型的影响。同时，介绍了模型的属性，包括 classes_、coef_ 和 intercept_，以及常用方法。逻辑回归主要应用于分类问题，而线性回归用于连续数值预测。

摘要由CSDN通过智能技术生成

逻辑回归：

sklearn.linear_model.LogisticRegression

class sklearn.linear_model.LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver='lbfgs', max_iter=100, multi_class='auto', verbose=0, warm_start=False, n_jobs=None, l1_ratio=None)

参数

penalty：可选{‘l1’, ‘l2’, ‘elasticnet’, ‘none’}, 默认=’l2’

penalty参数的选择会影响我们损失函数优化算法的选择。一般penalty选择L2正则化就够了。参数solver的选择，如果是L2正则化，那么4种可选的算法{‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’}都可以选择。但是如果penalty是L1正则化的话，就只能选择‘liblinear’了。

dual：布尔值，默认False

对偶或者原始方法。Dual只适用于正则化相为l2 liblinear的情况，通常样本数大于特征数的情况下，默认为False

tol: 默认1e-4

误差容忍度

C：默认为1.0

正则化系数的导数。

fit_intercept：默认True

截距，默认为存在。常量系数。

intercept_scaling：默认为1

仅在正则化项为“liblinear”，且fit_intercept设置为True时有用。

class_weight: dict