參數含義：

1.penalty:字符串，指定了正則化策略。默認為"l2"

(1)如果為"l2",則優化的目標函數為：0.5*||w||^2_2+C*L(w),C>0, L(w)為極大似然函數。

(2)如果為"l1",則優化的目標函數為||w||_1+C*L(w),C>0, L(w)為極大似然函數。

2.dual:布爾值。默認為False。如果等于True，則求解其對偶形式。

只有在penalty="l2"并且solver="liblinear"時才有對偶形式。如果為False，則求解原始形式。

當n_samples > n_features，偏向于dual=False。

3.tol:閾值。判斷迭代是否收斂或者是否滿足精度的要求。

4.C:float,默認為1.0.指定了正則化項系數的倒數。必須是一個正的浮點數。C值越小,正則化項就越大。

5.fit_intercept:bool值。默認為True。如果為False,就不會計算b值。

6.intercept_scaling：float, default 1。

只有當solver="liblinear"并且 fit_intercept=True時，才有意義。

在這種情況下，相當于在訓練數據最后一列增加一個特征，該特征恒為1。其對應的權重為b。

7.class_weight：dict or 'balanced', default: None。

(1)如果是字典，則給出每個分類的權重。按照{class_label: weight}這種形式。

(2)如果是"balanced"：則每個分類的權重與該分類在樣本集中出現的頻率成反比。

n_samples / (n_classes * np.bincount(y))

(3)如果未指定，則每個分類的權重都為1。

8.random_state: int, RandomState instance or None, default: None

(1):如果為整數，則它指定了隨機數生成器的種子。

(2):如果為RandomState實例，則它指定了隨機數生成器。

(3):如果為None，則使用默認的隨機數生成器。

9.solver: 字符串，指定求解最優化問題的算法。

{'newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'},default: 'liblinear'

(1)solver='liblinear',對于小數據集，'liblinear'是很好的選擇。

對于大規模數據集，'sag'和'saga'處理起來速度更快。

(2)solver='newton-cg',采用牛頓法

(3)solver='lbfgs',采用L-BFGS擬牛頓法。

(4)solver='sag',采用Stochastic Average Gradient descent算法。

(5)對于多分類問題，只有'newton-cg'，'sag'，'saga'和'lbfgs'處理多項損失;

'liblinear'僅限于'ovr'方案。

(6)newton-cg', 'lbfgs' and 'sag' 只能處理 L2 penalty,

'liblinear' and 'saga' 能處理 L1 penalty。

10.max_iter: 指定最大迭代次數。default: 100。只對'newton-cg', 'sag' and 'lbfgs'適用。

11.multi_class：{'ovr', 'multinomial'}, default: 'ovr'。指定對分類問題的策略。

(1)multi_class='ovr',采用'one_vs_rest'策略。

(2)multi_class='multinomal',直接采用多分類邏輯回歸策略。

12.verbose: 用于開啟或者關閉迭代中間輸出日志功能。

13.warm_start: 布爾值。如果為True，那么使用前一次訓練結果繼續訓練。否則從頭開始訓練。

14.n_jobs: int, default: 1。指定任務并行時的CPU數量。如果為-1，則使用所有可用的CPU。

屬性：

1.coef_：權重向量。

2.intercept_：截距b值。

3.n_iter_：實際迭代次數。

方法：

1.fit(X,y): 訓練模型。

2.predict(X): 用訓練好的模型進行預測，并返回預測值。

3.predict_log_proba(X): 返回一個數組，數組元素依次是X預測為各個類別的概率的對數值。

4.predict_proba(X): 返回一個數組，數組元素依次是X預測為各個類別的概率值。

5.score(X,y): 返回預測的準確率。

'''

菊

總結

以上是生活随笔為你收集整理的python 逻辑回归权重_Python 逻辑回归的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。