2018-09-25-对数几率回归API

---

第一阶段第四节
理解sklearn包的logisticRegression的api的Parameters的意义。
链接点击这里

---

api参数意义

对数几率回归参数.png

其实这个网页里还有一些没看懂的。再细细研究吧。

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=’liblinear’, max_iter=100,
multi_class=’ovr’, verbose=0, warm_start=False, n_jobs=1)
在多类情况下，如果'multi_class'选项设置为'ovr'，训练算法使用one-vs-rest（OvR）方案，如果'multi_class'选项设置为'multinomial'，则使用交叉熵损失”。 （目前，'multinomial'选项仅受'lbfgs'，'sag'和'newton-cg'解算器的支持。）

该类"solver"使用'liblinear'库，'newton-cg'，'sag'和'lbfgs'求解器实现正则化逻辑回归。 它可以处理密集和稀疏输入。 使用包含64位浮点数的C有序数组或CSR矩阵以获得最佳性能; 任何其他输入格式将被转换（和复制）。
'newton-cg'，'sag'和'lbfgs'求解器仅支持原始公式的L2正则化。 'liblinear'解算器支持L1和L2正则化，偶公式仅用于L2惩罚。