sklearn中LogisticRegression参数说明:
sklearn.linear_model.LogisticRegression
LogisticRegression(penalty=‘l2’, dual=False,
tol=0.0001, C=1.0, fit_intercept=True,
intercept_scaling=1, class_weight=None,
random_state=None, solver=‘warn’, max_iter=100,
multi_class=‘warn’, verbose=0,
warm_start=False, n_jobs=None)
-
penalty:惩罚项,可为’l1’ or ‘l2’。‘netton-cg’, ‘sag’, ‘lbfgs’只支持’l2’。
- ‘l1’正则化的损失函数不是连续可导的,而’netton-cg’, ‘sag’, 'lbfgs’这三种算法需要损失函数的一阶或二阶连续可导。
- 调参时如果主要是为了解决过拟合,选择’l2’正则化就够了。若选择’l2’正则化还是过拟合,可考虑’l1’正则化。
- 若模型特征非常多,希望一些不重要的特征系数归零,从而让模型系数化的话,可使用’l1’正则化。
-
dual:选择目标函数为原始形式还是对偶形式。
将原始函数等价转化为一个新函数,该新函数称为对偶函数。对偶函数比原始函数更易于优化。 -
tol:优化算法停止的条件。当迭代前后的函数差值小于等于tol时就停止。
-
C:正则化系数。其越小,正则化越强。
-
fit_intercept:选择逻辑回归模型中是否会有常数项b
-
intercept_scaling:
-
class_weight:用于标示分类模型中各种类型的权重,{class_label: weight} or ‘balanced’。
- ‘balanced’:类库根据训练样本量来计算权重。某种类型的样本量越多,则权重越低。
- 若误分类代价很高,比如对合法用户和非法用户进行分类,可适当提高非法用户的权重。
- 样本高度失衡的。如合法用户9995条,非法用户5条,可选择’balanced’,让类库自动提高非法用户样本的权重。
-
random_state:随机数种子。
-
solver:逻辑回归损失函数的优化方法。
- ‘liblinear’:使用坐标轴下降法来迭代优化损失函数。
- ‘lbfgs’:拟牛顿法的一种。利用损失函数二阶导数矩阵即海森矩阵来迭代优化损失函数。
- ‘newton-cg’:牛顿法的一种。同上。
- ‘sag’:随机平均梯度下降。每次迭代仅仅用一部分的样本来计算梯度,适合于样本数据多的时候。
- 多元逻辑回归有OvR(one-vs-rest)和MvM(many-vs-many)两种,而MvM一般比OvR分类相对准确一些。但是,'liblinear’只支持OvR。
-
max_iter:优化算法的迭代次数。
-
multi_class:‘ovr’ or ‘multinomial’。'multinomial’即为MvM。
- 若是二元逻辑回归,二者区别不大。
- 对于MvM,若模型有T类,每次在所有的T类样本里面选择两类样本出来,把所有输出为该两类的样本放在一起,进行二元回归,得到模型参数,一共需要T(T-1)/2次分类。
-
verbose:控制是否print训练过程。
-
warm_start:
-
n_jobs:用cpu的几个核来跑程序。
sklearn.linear_model.LogisticRegressionCV
- 相比于LogisticRegression,LogisticRegressionCV使用交叉验证来选择正则化系数C。