python 逻辑回归权重_Python 逻辑回归
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。
- 上一篇： python 输入10个整数_2019-
- 下一篇： jupyter notebook pyt