sklearn学习笔记-逻辑回归LogisticRegression
2018-03-24 17:56
232 查看
sklearn.linear_model.LogisticRegression
参数 1 penalty :str 'l1'或者'l2' 字面意义“惩罚”,即正则化项,L1正则项或者L2正则下项,默认L2
2 dual :boolean 默认为False
3 tol :float 默认1e-4 个人理解为,代价误差达到该值则停止计算
4 C :float 默认 1.0 C为代价项的系数,C越大表示整个代价函数中,代价项占比更多,即正则项影响较小;反之C越小,表示正则项影响更大
5 fit_intercept
6 intercept_scaling
7 class_weight :dict 或者 ‘balanced’,默认none
8 solver : {‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’}求解目标函数的优化方法。小数据集-liblinear;大数据集-sag/saga求解速度更快;多分类问题-newton-cg/lbfgs/sag/saga;使用L2正则-newton/sag/lbfgs
9 multi_class : 'ovr'或者‘multinomial’
10 n_jobs : 任务数,使用的CPU核数,-1为使用全部CPU核心数。solver='liblinear'时不起作用
属性 1 coef 系数
2 intercept_
3 n_iter_ 迭代次数
方法 1 fit (X,y) 拟合,X为除去标签的特征;y为训练集的标签
2 predict(test) 预测,对测试集进行预测
后续慢慢补充
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)
参数 1 penalty :str 'l1'或者'l2' 字面意义“惩罚”,即正则化项,L1正则项或者L2正则下项,默认L2
2 dual :boolean 默认为False
3 tol :float 默认1e-4 个人理解为,代价误差达到该值则停止计算
4 C :float 默认 1.0 C为代价项的系数,C越大表示整个代价函数中,代价项占比更多,即正则项影响较小;反之C越小,表示正则项影响更大
5 fit_intercept
6 intercept_scaling
7 class_weight :dict 或者 ‘balanced’,默认none
8 solver : {‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’}求解目标函数的优化方法。小数据集-liblinear;大数据集-sag/saga求解速度更快;多分类问题-newton-cg/lbfgs/sag/saga;使用L2正则-newton/sag/lbfgs
9 multi_class : 'ovr'或者‘multinomial’
10 n_jobs : 任务数,使用的CPU核数,-1为使用全部CPU核心数。solver='liblinear'时不起作用
属性 1 coef 系数
2 intercept_
3 n_iter_ 迭代次数
方法 1 fit (X,y) 拟合,X为除去标签的特征;y为训练集的标签
2 predict(test) 预测,对测试集进行预测
后续慢慢补充
相关文章推荐
- Google深度学习笔记 逻辑回归 实践篇
- scikit-learn学习笔记(五)Logistic regression(逻辑回归)
- 极大似然 S函数 逻辑回归 具体案例 学习笔记
- 斯坦福CS20SI:基于Tensorflow的深度学习研究课程笔记,Lecture note3:TensorFlow上的线性回归和逻辑回归
- CS229学习笔记之分类问题与逻辑回归
- 课程笔记-深度学习之逻辑回归(Regression)pokemon案例分析
- 学习笔记:逻辑斯蒂回归(logistic regression)
- 机器学习c12笔记:SVM学习与SVM,逻辑回归和kNN比较
- [Python][Scikit-learn][学习笔记02]逻辑回归之鸢尾花分类预测
- 【学习笔记】斯坦福大学公开课(机器学习) 之逻辑斯蒂回归(续)
- 斯坦福大学深度学习笔记:逻辑回归
- 逻辑回归学习笔记
- Andrew Ng机器学习课程笔记(二)之逻辑回归
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第3周逻辑回归
- 计算广告学习笔记 4.6竞价广告系统-点击率预测与逻辑回归
- [TensorFlow]入门学习笔记(4)-BasicModel 线性回归,逻辑回归和最近邻模型
- 机器学习笔记-第三章 逻辑回归
- Ng深度学习笔记2 -逻辑回归、分类问题、牛顿迭代
- ufldl学习笔记与编程作业:Logistic Regression(逻辑回归)
- Python-逻辑回归小案例-学习笔记36