class 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=’warn’, max_iter=100, multi_class=’warn’, verbose=0, warm_start=False, n_jobs=None, l1_ratio=None)
penalty
:惩罚项,可为'l1' or 'l2'
。'netton-cg', 'sag', 'lbfgs'
只支持'l2'
。
'l1'
正则化的损失函数不是连续可导的,而'netton-cg', 'sag', 'lbfgs'
这三种算法需要损失函数的一阶或二阶连续可导。- 调参时如果主要是为了解决过拟合,选择
'l2'
正则化就够了。若选择'l2'
正则化还是过拟合ÿ