python中线性回归LR函数参数

LR工具：
from sklearn.linear_model.logistic import LogisticRegression

• 参数： penalty，惩罚项，正则化参数，防止过拟合，l1或l2，默认为l2 C，正则化系数λ的倒数，float类型，默认为1.0
• solver，损失函数优化方法，liblinear（默认），lbfgs， newton-cg，sag
  random_state，随机数种子 max_iter，算法收敛的最大迭代次数，默认为100
• tol=0.0001 : 优化算法停止条件，迭代前后函数差小于tol则终止
• verbose=0 : 日志冗长度int：冗长度；0：不输出训练过程；1：偶尔输出；>1：对每个子模型都输出
• n_jobs=1 : 并行数，int：个数；-1：跟CPU核数一致；1:默认值

常用方法：

• fit(X, y, sample_weight=None)

• fit_transform(X, y=None, **fit_params)

• predict(X)，用来预测样本，也就是分类 predict_proba(X)，输出分类概率。返回每种类别的概率，按照分类类别顺序给出。

• score(X, y, sample_weight