python中线性回归LR函数参数

LR工具：
from sklearn.linear_model.logistic import LogisticRegression

参数： penalty，惩罚项，正则化参数，防止过拟合，l1或l2，默认为l2 C，正则化系数λ的倒数，float类型，默认为1.0 solver，损失函数优化方法，liblinear（默认），lbfgs， newton-cg，sag
random_state，随机数种子 max_iter，算法收敛的最大迭代次数，默认为100 tol=0.0001 : 优化算法停止条件，迭代前后函数差小于tol则终止 verbose=0 : 日志冗长度int：冗长度；0：不输出训练过程；1：偶尔输出；>1：对每个子模型都输出 n_jobs=1 : 并行数，int：个数；-1：跟CPU核数一致；1:默认值

常用方法：

fit(X, y, sample_weight=None)

fit_transform(X, y=None, **fit_params)

predict(X)，用来预测样本，也就是分类 predict_proba(X)，输出分类概率。返回每种类别的概率，按照分类类别顺序给出。

score(X, y, sample_weight=None)，返回给定测试集合的平均准确率（mean accuracy）

模型参数配置：

model = LogisticRegression(max_iter=100, verbose=True, random_state=33, tol=1e-4 ) model.fit(X_train, y_train) predict = model.predict_proba(test)[:, 1] test['Attrition']=predict # 转化为二分类输出 test['Attrition']=test['Attrition'].map(lambda x:1 if x>=0.5 else 0) test[['Attrition']].to_csv('submit_lr.csv')
作者：Bug永流传

lr 参数 线性 Python