本文是根据sklean官方文档进行翻译和学习的,如果理解有误欢迎留言指正,谢谢。
参考地址:
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#
sklearn.linear_model.LogisticRegression
sklearn.linear_model
.LogisticRegression
-
class
-
逻辑回归(又名logit, MaxEnt)分类器
Parameters: penalty : str, ‘l1’ or ‘l2’, default: ‘l2’
惩罚项类别:用于指定惩罚中使用的规范。
dual : bool, default: False
对偶式或者原始式. 对偶式只适用于l2惩罚且solver=‘liblinear ’。 当n_samples > n_features时设置dual=False
tol : float, default: 1e-4
停止时能接受的容差
C : float, default: 1.0
正则项系数的倒数,它必须是一个正的浮点数。就像支持向量机一样,值越小则正则化更强。
fit_intercept : bool, default: True
Specifies if a constant (a.k.a. bias or intercept) should be added to the decision function.
指定是否应该在决策函数中添加一个常量(斜率或
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
)
[source]