Python使用逻辑回归提示FutureWarning: Default solver will be changed to ‘lbfgs‘ in 0.22. Specify a solver to

在Python中利用Logistic回归算法进行数据建模，本来算是比较常见的事情，但结果“阴沟里翻船”，一上来就遇到了报警提示。

在PyCharm中，使用python的sklearn.linear_model.LogisticRegression进行实例化时model=LogisticRegression()，就提示了以下警告信息：

FutureWarning: Default solver will be changed to 'lbfgs' in 0.22. Specify a solver to silence this warning。

虽然警告信息并不影响代码运行，但输出窗口异常明显的几行红字提醒，我总觉得代码的心里也不会很爽快。

问题分析：

FutureWarning是语言或者库中将来可能改变的有关警告。

根据报警信息和参考相关文档，“Default will change from 'liblinear' to 'lbfgs' in 0.22.”，默认的solver参数在0.22版本中，将会由“liblinear”变为“lbfgs”，且指定solver参数可以消除该warning。

这是代码在发出警告，将来代码运行时如果没有及时关注到版本的问题，可能solver的参数会发生改变。所以，最安全的方法并不是通过ignore消除警告，而是指定一个solver参数。

参阅官方文档：

solver : str, {'newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'}, \default: 'liblinear'.

        Algorithm to use in the optimization problem.

        - For small datasets, 'liblinear' is a good choice, whereas 'sag' and

          'saga' are faster for large ones.

        - For multiclass problems, only 'newton-cg', 'sag', 'saga' and 'lbfgs'

          handle multinomial loss; 'liblinear' is limited to one-versus-rest

          schemes.

        - 'newton-cg', 'lbfgs' and 'sag' only handle L2 penalty, whereas

          'liblinear' and 'saga' handle L1 penalty.

LogisticRegerssion算法的solver仅支持以下几个参数'liblinear', 'newton-cg', 'lbfgs', 'sag', 'saga'。

解决方法：

传入参数后即可消除警告：model=LogisticRegression(solver=’liblinear’)  。

扩展

其他消除警告的方法：

import warnings

warnings.filterwarnings("ignore")

                                                如果觉得内容不错，请扫码关注微信公众号，获取更多内容