sklearn-AdaBoost

[toc]

class sklearn.linear_model.LogisticRegression(penalty='l2',c=1.0,fit_intercept=True,class_weight=None,solver='liblinear',max_iter=100,tol=0.0001,multi_class='ovr',dual=False,warm_start=False,n_jobs=1)

参数

penalty指定似然函数中添加的正则化项
-l2 L2正则化
-l1 L1正则化
c 正则化项的权重，是惩罚系数的导数，c越小，正则化项越大
fit_intercept是否计算偏置常数
class_weight 各个类别的权重，None时，权重为1，可以添加字典设置{class_label:weight}
solver指定求解最优化问题的方法
默认liblinear适用于小数据集
sag 数据集大，stochastic gradient descent，使用L2
newton-cg 牛顿法 L2
lbfgs拟牛顿法 L2
max_iter最大迭代次数
tol收敛阈值
multi_class指定多分类策略
ovr one-vs-rest 一对其他策略
multinominal 直接采用多项logistic回归
dual 是否采用对偶求解
warm_start
n_jobs

属性

coef_输出逻辑回归模型的权重向量
intercept
n_iter

方法

fit(X_train,y_train)
score(X_test,y_test)
predict(X)
predict_proba(X)
predict_log_proba(X)

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 jaytp@qq.com