1.逻辑回归对于具有线性相关性的数据集效果最好
2.逻辑回归在金融领域应用最多,在其他领域出场有限
3.逻辑回归计算速度快
4.逻辑回归需要通过最小化损失函数求返回参数(极大似然法)
5.逻辑回归的过拟合问题需要通过在损失函数上加以正则化来解决
6.在L1正则化的过程中,对模型贡献不大(携带信息量小的参数),会更快的变为0,所以正则化可以看作是一个特征选择的过程。因此对于特征量很大,数据维度高的数据集来说,更倾向于使用L1正则化
7.两种正则化的强度参数都可以通过绘制学习曲线来调整
8.逻辑回归中的特征选择问题
9.二元逻辑回归 重要参数solver
10.样本不平衡与参数class_weight