【Kaggle从入门到放弃】（02）：逻辑回归模型

第一章Logistic regression（逻辑回归）

吴恩达说：“逻辑回归算法是一种非常强大，甚至可能世界上使用最广泛的一种分类算法”。

Logistic regression（逻辑回归），尽管它的名字是回归，但却是一个用于分类的线性模型而不是用于回归。逻辑回归算法是分类算法，我们将它作为分类算法使用。有时候可能因为这个算法的名字中出现了“回归”使你感到困惑，但逻辑回归算法实际上是一种分类算法，它适用于标签Ÿ取值离散的情况。

第二章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 ='liblinear'，max_iter = 100，multi_class ='ovr '，            
        verbose = 0，warm_start = False，n_jobs = 1 ）

可以从LogisticRegression类中访问scikit-learn中逻辑回归（逻辑回归）的实现。该实现可以拟合二元（二元分类），One-vs-Rest（一对多分类）或多项逻辑回归（多类别分类） ）与可选的L2或L1正则化（正则化）。

http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression

1. penalty参数

string 类型，penalty ='l1' 或'l2'， 默认：'l2' 。

'newton-cg' ，'sag' 和'lbfgs' 求解器只支持l2 惩罚。

可选的L2 或L1 正规化（