如何使用scikit-learn执行非正规逻辑回归？

时间：2017-04-15 20:59:35

标签： python-2.7 machine-learning scikit-learn logistic-regression regularized

来自scikit-learn的documentation，默认惩罚是＆＃34; l2＆＃34;和C（正则化强度的倒数）是＆＃34; 1＆＃34;。如果我保留此设置惩罚=＆＃39; l2＆＃39;和C = 1.0，这是否意味着训练算法是一个非正则的逻辑回归？相反，当C不是1.0时，那么它是一个正则化的逻辑回归分类器吗？

2 个答案:

答案 0 :(得分：3)

不，不是那样的。

让我们看一下sklearn's user-guide中的定义：

enter image description here

我们看到：

  • C乘以损失而左边（正则化）未受影响

这意味着：

  • 在不修改代码的情况下，您永远无法完全关闭正则化
  • 但是：您可以通过将C设置为一个巨大的数字来近似关闭正则化！
    • 当优化尝试最小化正则化惩罚和损失的总和时，增加C会降低正则化惩罚的相关性

答案 1 :(得分：0)

首先，将C设置为一个较大的值（相对于您的预期系数）。

如果它对您不起作用，请同时设置penalty='l1'

相关问题
最新问题