第一階段第四節(jié)
理解sklearn包的logisticRegression的api的Parameters的意義。
鏈接點(diǎn)擊這里

api參數(shù)意義

對(duì)數(shù)幾率回歸參數(shù).png

其實(shí)這個(gè)網(wǎng)頁(yè)里還有一些沒(méi)看懂的。再細(xì)細(xì)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)
在多類(lèi)情況下，如果'multi_class'選項(xiàng)設(shè)置為'ovr'，訓(xùn)練算法使用one-vs-rest（OvR）方案，如果'multi_class'選項(xiàng)設(shè)置為'multinomial'，則使用交叉熵?fù)p失”。 （目前，'multinomial'選項(xiàng)僅受'lbfgs'，'sag'和'newton-cg'解算器的支持。）

該類(lèi)"solver"使用'liblinear'庫(kù)，'newton-cg'，'sag'和'lbfgs'求解器實(shí)現(xiàn)正則化邏輯回歸。 它可以處理密集和稀疏輸入。 使用包含64位浮點(diǎn)數(shù)的C有序數(shù)組或CSR矩陣以獲得最佳性能; 任何其他輸入格式將被轉(zhuǎn)換（和復(fù)制）。
'newton-cg'，'sag'和'lbfgs'求解器僅支持原始公式的L2正則化。 'liblinear'解算器支持L1和L2正則化，偶公式僅用于L2懲罰。