sklearn中的LogisticRegression模型

LogisticRegression是一种广义线性分类模型，其可通过模拟数据的伯努利分布（对于二分类问题）和多项式分布（对于多分类问题）参数，对样本所属各分类的概率值进行预测。

1. 模型的主要参数

在sklearn中， LogisticRegression模型的主要参数包括：

模型参数	Parameter含义	备注
penalty	正则项	广义线性模型的正则项，可选值包括L1正则项'l1'、L2正则项'l2'、复合正则'elasticnet'和无正则项None，默认值为'l2'。值得注意的是，正则项的选择应与优化求解器相匹配(详见`solver`参数)。
l1_ratio	正则权重系数	L1正则和L2正则的权重系数，取值空间为0-1。若为0，则相当于为L2正则；若为1，则为L1正则，否则为Elasticnet正则。
dual	对偶问题	默认值False，可设为True将问题转换为对偶问题（详见本博客SVM问题中原问题-对偶问题的推导），仅适用于采用L2正则化且求解器为'liblinear’的情况。当样本数少于特征数时，推荐为True。
tol	迭代阈值	求解器迭代求解时，停止迭代的目标函数改变阈值。
C	正则化系数倒数	注意，其值与正则化强度相反，即C值越小&#x