LogisticRegression函数的各个参数意义API参数意义备注
LogisticRegression 的 parameters Penalty
Str类型，可选项为‘l1’和‘l2’，默认
为‘l2’，⽤来确定惩罚项的规范。‘newton-
cg’，‘sag’和’lbfgs’仅⽀持‘l2’惩罚
项。
惩罚项是⽤来添加参数避免过拟合，可以理解为
对当前训练样本的惩罚，⽤以提⾼函数的泛化能
⼒。
dual
布尔类型，默认为‘False’，dual仅仅
⽤在l2惩罚项的liblinear解法上。
Liblinear好像是线性多核，但不太清楚详
细意思。
tol
float类型，默认为‘1e-4’，表⽰满⾜
该精度时训练停⽌。
停⽌求解的标准，个⼈感觉应该是精度的
意思。
C
float类型，默认为‘1.0’，正则化系数
的倒数，取值必须为正浮点数。
例如在SVM中，值越⼩表⽰越强的正则
化。
fit_intercept
布尔类型，默认为‘Ture’，确定是否有
⼀个偏差或者截距应该被添加进决策函
数。
intercept_scaling
float类型，默认为‘1.’，仅在解
法‘liblinear’被使⽤且fit_intercept被
置为True。
class_weight
字典类型或’balanced‘，默认
为’None’，表⽰为各个类型样本的权
重。如果没有给定，所有类型的权重为
1。参数为‘balanced’则依照输⼊样本
的频率⾃动调整权重。
‘balanced’参数的情况下，会按照⽐例
调整⽐较多的类别的样本的权重降低，⽐
较少样本的类别的样本权重依⽐提⾼。random_state
int型，RandomState或None，默认
为‘None'，仅在算法为 ‘sag’  或
’liblinear’ 时使⽤。
solver
{’newton-cg’ ,  ‘lbfgs’,
‘liblinear’,  ‘sag’,  ‘saga’}, 分
别为⼏种优化算法。默认
为‘liblinear’。
网页float是什么意思--⼩数据集中，liblinear是⼀个好选
择，sag和saga对⼤数据集更快；
--多类别问题中，除了liblinear其它四种
算法都可以使⽤；
--newton-cg，lbfgs和sag仅能使⽤l2惩
罚项，liblinear和saga使⽤l1惩罚项。max_iter
int类型，默认为‘100’，仅适⽤于
newton-cg, sag和lbfgs算法。
表⽰算法收敛的最⼤次数。
multi_class
str类型，{‘ovr’, ‘multinomial’}为
可选参数，默认为‘ovr’，如果是⼆元
分类问题则两个选项⼀样，如果是多元分
类则ovr将进⾏多次⼆分类，分别为⼀类
别和剩余其它所有类别；multinomial则
分别进⾏两两分类，需要T(T-1)/2次分
类。
在多分类中，ovr快，精度低；
Multinomial慢，精度⾼。
verbose
int类型，默认为’0‘，为liblinear和
lbfgs算法设置⼀个任意正整数作为冗余
0表⽰不输出训练过程；
1表⽰偶尔输出；
⼤于1，每个⼦模型都输出
布尔类型，默认为’False‘，如果为
warm_start Ture，则使⽤上次的训练结果作为初始化
参数，否则擦除上次的训练结果。
对liblinear算法⽆效
n_jobs int类型，默认为‘1’，当
multi_class=‘ovr’ 时并⾏处理的CPU
核数量，当solver被设置为liblinear时不
论multi_class是否被设置都忽略此参数。
如果给定的值为-1表⽰所有的CPU核都被
使⽤。
API参数意义备注

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。