LogisticRegression参数

api	参数	意义	备注
LogisticRegression parameters	penalty	用于指定惩罚项中使用的规范	str类型，可选参数为l1和l2，默认为l2
	dual	对偶或原始方法	bool类型，默认为False。只用在求解线性多核(liblinear)的L2惩罚项上
	tol	停止求解的标准	float类型，默认为1e-4
	c	正则化系数λ的倒数	float类型，默认为1.0
	fit_intercept	是否存在截距或偏差	bool类型，默认为True
	intercept_scaling	仅在正则化项为”liblinear”，且fit_intercept设置为True时有用	float类型，默认为1
	class_weight	用于标示分类模型中各种类型的权重	可以是一个字典或者’balanced’字符串，默认为不输入，也就是不考虑权重，即为None
	random_state	随机数种子	int类型，可选参数，默认为无，仅在正则化优化算法为sag,liblinear时有用
	solver	优化算法选择参数，决定了我们对逻辑回归损失函数的优化方法	有五个可选参数，即newtoncg,lbfgs,liblinear,sag,saga 对于小型数据集来说，‘liblinear’是一个不错的选择，而‘sag’和‘saga’对于大型数据集则更快。 对于多类问题，只有有“newtoncg”、“sag”、“saga”和“lbfgs”处理多项损失；“liblinear”仅限于one-versus-rest方案。 ‘newton-cg’, ‘lbfgs’ and ‘sag’只处理L2处罚，而‘liblinear’和‘saga’处理L1处罚。
	max_iter	算法收敛最大迭代次数	int类型，默认为10，仅在正则化优化算法为newton-cg, sag和lbfgs才有用
	multi_class	分类方式选择参数	str类型，可选参数为ovr和multinomial，默认为ovr
	verbose	日志冗长度	int类型。默认为0
	warm_start	热启动参数	bool类型。默认为False。如果为True，则下一次训练是以追加树的形式进行（重新使用上一次的调用作为初始化）
	n_jobs	并行数	int类型，默认为1。1的时候，用CPU的一个内核运行程序，2的时候，用CPU的2个内核运行程序。为-1的时候，用所有CPU的内核运行程序