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)。
-
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(