逻辑斯特回归总结--线性模型与非线性模型对比

LR 

参数

多分类情况下使用一对多策略，损失函数为交叉熵损失，求解方法为LBFGS,SAG和NEWTON-CG。

1，penalty : str, 'l1' or 'l2', default: 'l2'：正则项，默认为l2。三种求解方式只支持L2

2，dual : bool, default: False：是否转化为对偶问题

3，C : float, default: 1.0：正则项系数的逆序，越大越过拟合。

4，fit_intercept : bool, default: True：是否添加常数到决策函数中

5，intercept_scaling : float, default 1：是否对样本采样

6，class_weight : dict or 'balanced', default: None：类别权重

7，max_iter : int, default: 100：最大迭代次数

8，random_state : int seed, RandomState instance, default: None：随机种子

9，solver : {'newton-cg', 'lbfgs', 'liblinear', 'sag'}, default: 'liblinear'：优化问题求解算法

10，multi_class : str, {'ovr', 'multinomial'}, default: 'ovr'：多分类问题的求解方案