Scikit-learn 笔记之 LogisticRegression

Scikitlearn中的LogisticsRegression API

LogisticRegression

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)

参数说明

1. penalty: 用于选择正则化项。参数值为‘l1’时，表示正则化项为l1正则化；参数项为’l2‘时表示正则化项为l2正则化。正则化时防止模型过拟合最为常用的手段之一。
2. dual: bool类型，选择目标函数是否为对偶形式。
3. tol: float类型，优化算法停止的条件。比如设置tol=0.001，当迭代前后函数的差值<=0.001时就停止。
4. C: 越小的数值表示越强的正则化。
5. fit_intercept: bool类型,用于选择模型中是否含有b。
6. class_weight： 用于设置每个类别的权重。
7. fit_intercept： 是否在向量中加上一列1，形成新向量。
8. random_state： 随机数种子，int类型，可选参数，默认为无，仅在正则化优化算法为sag,liblinear时有用。
9. solver： 选择使用哪一个优化算法进行优化。
10. max_iter： 优化算法的迭代次数。
11. multi_class： 用于选择多分类的策略
12. verbose： 是否热启动
13. n_jobs： 使用cpu的几个核来跑程序。