sklearn 绘制roc曲线_sklearn——逻辑回归、ROC曲线与KS曲线

一、sklearn中逻辑回归的相关类

在sklearn的逻辑回归中，主要用LogisticRegression和LogisticRegressionCV两个类来构建模型，两者的区别仅在于交叉验证与正则化系数C，下面介绍两个类(重要参数带**加绿)：

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)

penalty：可选'l1'、'l2'，正则化系数。注意'l1'不适用于MVM的情况。

dual：一个布尔值。如果为True，则求解对偶形式(只是在penalty='l2' 且solver='liblinear' 有对偶形式)；如果为False，则求解原始形式。这个参数一般不需要理会。

C：一个浮点数，它指定了正则化系数的倒数。如果它的值越小，则正则化越大。建议为10。

fit_intercept：一个布尔值，制定是否需要截距 值。如果为False，则不会计算b值(模型会假设你的数据已经中心化)。一般都需要截距，这个也可以不理会。

intercept_scaling：一个浮点