|
参数 |
意义 |
备注 |
|
penalty |
用于指定惩罚项中使用的规范
|
惩罚项，str类型，可选参数为l1和l2，默认为l2。 |
|
dual |
对偶或原始方法 |
对偶方法只用在求解线性多核(liblinear)的L2惩罚项上。当样本数量>样本特征的时候，dual通常设置为False。 |
|
tol |
停止求解的标准 |
Float类型，默认为1e-4. |
|
c |
正则化系统λ的倒数 |
Float类型，默认为1.0。必须是正浮点型数。像SVM一样，越小的数值表示越强的正则化。 |
|
fit_intercept |
是否存在截距或偏差 |
Bool类型，默认为True |
|
class_weigtht |
用于标示分类模型中各种类型的权重 |
可以是一个字典或者’balanced’字符串，默认为不输入，也就是不考虑权重，即为None。 |
|
random_state |
随机数种子 |
Int类型，可选参数，默认为无，仅在正则化优化算法为sag,liblinear时有用。 |
|
solver |
优化算法选择参数 |
五个可选参数，即newton-cg,lbfgs,liblinear,sag,saga。默认为liblinear。solver参数决定了我们对逻辑回归损失函数的优化方法 |
|
max_iter |
算法收敛最大迭代次数 |
Int类型，默认为10。仅在正则化优化算法为newton-cg, sag和lbfgs才有用，算法收敛的最大迭代次数。 |
|
multi_class |
分类方式选择参数 |
str类型，可选参数为ovr和multinomial，默认为ovr。 |
|
verbose |
日志冗长度
|
int类型。默认为0。 |
|
warm_start |
热启动参数 |
bool类型。默认为False。如果为True，则下一次训练是以追加树的形式进行（重新使用上一次的调用作为初始化）。 |
|
n_jobs
|
并行数
|
int类型，默认为1。1的时候，用CPU的一个内核运行程序，2的时候，用CPU的2个内核运行程序。为-1的时候，用所有CPU的内核运行程序。
|
参考资料：
sklearn.linear_model.LogisticRegression
