如何使用基于l1和l2正则化的逻辑回归？

Question

最近，我将代码从R复制到Python，我确实需要一些有关代码的帮助。据我所知，sklearn中的逻辑回归仅包含l1或l2正则项，分别代表套索和岭回归。但是，同时实现l1和l2正则项（即ElasticNet）可能会更好。

在R的情况下，有一个值得注意的软件包glmnet可以完美地部署上述想法，而python中的软件包glmnet似乎仅支持Linux系统，而不是我的计算机中的Windows 10（请参阅this） 此外，如果包装可以可视化结果（例如收缩路径），效果会更好

#logtistic with penalty terms in sklearn
from sklearn.linear_model import LogisticRegression

LogisticRegression(C=0.1,random_state=seed,penalty='l1')
LogisticRegression(C=0.1,random_state=seed,penalty='l2')

Answer 1

sklearn.linear_model.SGDClassifier(loss='log', penalty='elasticnet')