sklearn-logistic回归
[toc]
1 | 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 L2max_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
文章标题:sklearn-logistic回归
本文作者:Espresso
发布时间:2019-12-05, 15:43:35
最后更新:2019-12-05, 16:02:27
原始链接:http://yoursite.com/2019/12/05/sklearn-logistic%E5%9B%9E%E5%BD%92/版权声明: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。