【原文网址】:http://70b86a48.wiz03.com/share/s/1MK6F81-vQ1i2DFlsT0ux-iU2qccii0xCkjZ2Si7Lw1pfOQ3
api | 参数 | 意义 | 备注 |
LogisticRegression的parameters | penalty | 惩罚项,用于指定惩罚项使用的范式类型,支持L1范式和L2范式 | str, 'l1' or 'l2', default: 'l2' |
dual | 对偶形式还是原始形式。双重公式应用于使用libliner solver的L2惩罚项。当n_samples>n_features时,倾向于dual=False。 | bool, default: False | |
tol | 停止条件的容忍度。 | float, default: 1e-4 | |
C | 正规化强度的倒数; 必须是正浮点数。 与支持向量机一样,较小的C值表示使用更强的正则化。 | float, default: 1.0 | |
fit_intercept | 指定是否应将一个常量(a.k.a. bias或intercept)添加到目标函数中。 | bool, default: True | |
intercept_scaling | 仅在使用“liblinear solver”且self.fit_intercept为True时才起作用。在这种情况下,x变为[x,self.intercept_scaling],即具有等于intercept_scaling的常数值的“合成”特征被附加到实例向量中。 截距变为intercept_scaling * synthetic_feature_weight。 注意! 合成特征权重与所有其他特征一样经受L1和L2正则化。 为了减小正则化对合成特征权重(并因此对截距)的影响,必须增加intercept_scaling。 | float, default 1. | |
class_weight | {class_label:weight}形式的类别对应的权重。 如果没有给出,所有类别权重为1。 “balanced”模式自动调整权重,公式是n_samples /(n_classes * np.bincount(y))。 请注意,如果指定了sample_weight,这些权重将与sample_weight(通过fit方法传递)相乘。 版本0.17中的新功能:class_weight ='balanced' | dict or ‘balanced’, default: None | |
max_iter | 仅适用于newton-cg,sag和lbfgs solver。 solver收敛的最大迭代次数。 | int, default: 100 | |
random_state | 在随机数据混洗时使用的伪随机数生成器的种子。 如果是int,则random_state是随机数生成器使用的种子; 如果是RandomState实例,则random_state是随机数生成器; 如果为None,则随机数生成器是np.random使用的RandomState实例。 在solver=='sag'或'liblinear'时使用。 | int, RandomState instance or None, optional, default: None | |
solver | 对于小型数据集,'liblinear'是一个不错的选择,而'sag'和 'saga'对于大型的更快。 对于多类问题,只有'newton-cg','sag','saga'和'lbfgs' 处理多项损失; 'liblinear'仅限于一对剩余方案。 'newton-cg','lbfgs'和'sag'只处理L2惩罚,而'liblinear'和'saga'可处理L1惩罚。 请注意,“sag”和“saga”快速收敛仅在具有大致相同比例的features上得到保证。 您可以使用sklearn.preprocessing中的缩放器预处理数据。 | {‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’}, default: ‘liblinear’ Algorithm to use in the optimization problem. | |
multi_class | 多类选项可以是'ovr'或'multinomial'。 如果选择的选项是'ovr',那么把每个标签看做二分类问题来训练。 否则,最小化损失是根据整个概率分布中训练的多项式损失。 不适用于liblinear solver。 | str, {‘ovr’, ‘multinomial’}, default: ‘ovr’ | |
verbose | 对于liblinear和lbfgs solver,将verbose设置为任何正数表示输出步骤的详细程度。 | int, default: 0 | |
warm_start | 设置为True时,重用上一次训练结果来初始化,否则,清楚上一次的训练结果。 对于liblinear solver该参数不起作用。 版本0.17中的新功能:warm_start支持lbfgs,newton-cg,sag,saga solver。 | bool, default: False | |
n_jobs | 如果multi_class ='ovr'“,则在对类进行并行化时使用的CPU核心数。 无论是否指定'multi_class',当``solver``设置为'liblinear'时,都会忽略此参数。 如果给定值-1,则使用所有核心。 | int, default: 1 |