sklean学习之LogisticRegression（逻辑斯蒂回归分类器）【使用方法】

本文是根据sklean官方文档进行翻译和学习的，如果理解有误欢迎留言指正，谢谢。

参考地址：

http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#

sklearn.linear_model.LogisticRegression

sklearn.linear_model.LogisticRegression

class  sklearn.linear_model. 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 ) [source]

逻辑回归(又名logit, MaxEnt)分类器

Parameters:

penalty : str, ‘l1’ or ‘l2’, default: ‘l2’ 惩罚项类别：用于指定惩罚中使用的规范。 dual : bool, default: False 对偶式或者原始式. 对偶式只适用于l2惩罚且solver=‘liblinear ’。 当n_samples > n_features时设置dual=False tol : float, default: 1e-4 停止时能接受的容差 C : float, default: 1.0 正则项系数的倒数，它必须是一个正的浮点数。就像支持向量机一样，值越小则正则化更强。 fit_intercept : bool, default: True Specifies if a constant (a.k.a. bias or intercept) should be added to the decision function. 指定是否应该在决策函数中添加一个常量(斜率或