【Bug】ValueError: Solver lbfgs supports only ‘l2‘ or ‘none‘ penalties, got l1 penalty

报错信息：

ValueError: Solver lbfgs supports only ‘l2‘ or ‘none‘ penalties, got l1 penalty

原始代码：

log_reg= LogisticRegression()

使用网格搜索寻优时：

param_test =  {'penalty':['l2','l1'],
                'C':[0.01,0.1,1.0,10,100],
                'class_weight':[None,'balanced']}
log_gv =  GridSearchCV(estimator=log_reg, param_grid=param_test, cv=5)
log_gv.fit(train_X,train_y)

运行代码就会报上面的错误。

我们来看一下LogisticRegression()中的参数：

问题就出现在solver这个参数上，这个参数定义的是分类器，‘newton-cg’、‘sag’、‘lbfgs’等solvers仅支持‘L2’regularization；‘liblinear’ solver同时支持‘L1’、‘L2’regularization，若dual=Ture，则仅支持L2 penalty。

决定惩罚项选择的有2个参数：dual和solver，如果要选L1范数，dual必须是False，solver必须是liblinear

问题搞清楚了，把上面代码改成：

log_reg= LogisticRegression(solver=‘liblinear’)

之前用的sklearn旧版本，没遇到报错，现在用的新版本，就报错了，猜想：版本迭代升级引起的。

参考资料：

https://blog.csdn.net/qq_43922073/article/details/122087556

https://blog.csdn.net/guoqingru0311/article/details/124759482

https://zhuanlan.zhihu.com/p/39780207