本文详细解析了sklearn中LogisticRegression模型的参数，包括penalty（正则化策略）、dual（是否求解对偶形式）、C（正则化系数）、fit_intercept（是否计算截距项）、intercept_scaling（截距项的缩放比例）、class_weight（类别权重）、max_iter（最大迭代次数）等，帮助读者深入理解如何调整这些参数以优化模型性能。
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)
参数：
penalty: 一个字符串，制定了正则化策略。
- 如果为'l2'，则优化目标函数为：
为极大似然函数。
- 如果为'l1'，则优化目标函数为：
为极大似然函数。
最低0.47元/天 解锁文章
扫一扫
7929
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
