[TOC] 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：<a target="_blank" href="https://www.cnblogs.com/nickchen121/p/11686958.html">https://www.cnblogs.com/nickchen121/p/11686958.html</a>

scikit-learn库之逻辑回归

相比较线性回归，由于逻辑回归的变种较少，因此scikit-learn库中的逻辑回归类就比较少，只有LogisticRegression、LogisticRegressionCV和logistic_regression_path。

接下来将会讨论这三者的区别，由于是从官方文档翻译而来，翻译会略有偏颇，有兴趣的也可以去scikit-learn官方文档查看https://scikit-learn.org/stable/modules/classes.html#module-sklearn.linear_model ，需要注意逻辑回归和线性回归都在sklearn.linear_model包中。

一、LogisticRegression

1.1 使用场景

逻辑回归一般使用于分类场景，可以使用参数让普通的二元分类问题变成多分类问题。

1.2 代码

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression

X, y = load_iris(return_X_y=True)

clf = LogisticRegression(random_state=0, solver='lbfgs', max_iter=100,
                         multi_class='multinomial')
# 由于迭代更新次数太少，算法无法收敛，报错
clf.fit(X, y)

/Applications/anaconda3/lib/python3.7/site-packages/sklearn/linear_model/logistic.py:758: ConvergenceWarning: lbfgs failed to converge. Increase the number of iterations.
  "of iterations.", ConvergenceWarning)





LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
          intercept_scaling=1, max_iter=100, multi_class='multinomial',
          n_jobs=None, penalty='l2', random_state=0, solver='lbfgs',
          tol=0.0001, verbose=0, warm_start=False)

clf = LogisticRegression(random_state=0, solver='lbfgs', max_iter=1000,
                         multi_class='multinomial')
clf.fit(X, y)

LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
          intercept_scaling=1, max_iter=1000, multi_class='multinomial',
          n_jobs=None, penalty='l2', random_state=0, solver='lbfgs',
          tol=0.0001, verbose=0, warm_start=False)

clf.predict(X[:2, :])

array([0, 0])

clf.predict_proba(X[:2, :])

array([[9.81579028e-01, 1.84209573e-02, 1.44796627e-08],
       [9.71349907e-01, 2.86500630e-02, 3.01442199e-08]])

clf.score(X, y)

0.9733333333333334

1.3 参数详解

**penalty：**正则化，str类型。由于逻辑回归的目标函数是基于线性回归而来，因此该正则化参数可以选择'l1'和'l2'，分别对应L1正则化和L2正则化，两则作用和线性回归的正则化项作用类似。默认为'l2'。
**dual：**对偶或原始方法，bool类型。只有满足solver='liblinear'并且penalty='l2'时才可使用对偶方法，即设置dual=True，当样本数大于特征数的时候，通常设置为False。默认为False。
**tol：**停止求解的标准，float类型。求解到多少的时候认为求出最优解，停止求解。默认为0.0001。
**c：**正则化系数$\lambda$的倒数，float类型。数值越小正则化越强。默认为1.0。
**fit_intercept：**截距(偏置单元)，bool类型。是否存在截距或者偏置单元。默认为True。
**intercept_scaling：**扩展截距，float类型。只有满足solver='liblinear'并且fit_intercept=True时才有用。默认为1。
**class_weight：**类别权重，dict类型或str类型。对于二元分类问题可以使用class_weight={0:0.9,1:0.1}，表示0类别权重为0.9，1类别权重为0.1，str类型即为'balanced'，模型将根据训练集自动修改不同类别的权重。默认为None。通常解决下述两个问题：
- 不同类别数据量不平衡问题，如0类有1个数据，1类有999个数据，如果不考虑权重问题，则模型基本会把所有的未来新样本预测为1类，因此则可以手动适当增加0类的权重，也可以使用class_weight='balanced'自动提高0类的权重。
- 将癌症人士分类为健康人士的会有很大的风险，有时候宁愿让健康人士被分类为癌症认识，然后再通过人工甄别他们的健康情况，通常这个时候可以适当提高癌症人士的权重。
**random_state：**随机数种子，int类型。仅在solve={'sag','liblinear'}时有用。默认为None。
**solver：**优化算法选择，str类型。共有{'newton-cg','lbfgs','sag','liblinear','saga'}五种选择，当penalty='l1'时，目标函数将会变得连续不可导，因此只能选择'liblinear'，当penalty='l2'时，则可以选择{'newton-cg','lbfgs','sag','liblinear','saga'}，默认为'liblinear'。其中'liblinear'是坐标轴下降法，适合小数据集；'newton-cg'是牛顿法；'lbfgs'是拟牛顿法；'sag'是随机梯度下降法，适合大数据集。默认为'liblinear'。
**max_iter：**迭代次数，int类型。算法迭代次数，算法迭代到一定次数会收敛。只有solver={'newton-cg','sag','lbfgs'}才有用。默认为100。
**multi_class：**多分类，str类型。当solver='liblinear'时，只能选择'ovr'，当solver={'newton-cg','lbfgs','sag','saga'}时，可以选择'ovr'或'multinomial'。'ovr'相对简单，速度快，但是分类效果差；'multinomial'分类速度慢，但是分类效果好。默认为'ovr'。
**verbose：**日志冗长度，int类型。verbose=0，不输出训练过程；verbose=1，输出部分训练过程；verbose>1，输出所有的训练过程。默认为0。
**warm_start：**热启动，bool类型。bool=True，每次初始化参数时，使用上一次的fit()拟合后的结果初始化。默认为False。
**n_jobs：**并行数。n_jobs=1使用1个cpu运行程序；n_jobs=2，使用2个cpu运行程序；n_jobs=-1，使用所有cpu运行程序。默认为1。

1.4 属性

**classes：**array类型，训练集中所有类标签组成的列表。
**coef：**array类型，决策函数的系数，如果有多分类就会是k行的系数，其中k是训练集的类别数。
**intercept_：**array类型，截距，二分类就只有一个，多分类就会有n个。
**n_iter_：**array类型，实际上迭代次数，即达到收敛时的迭代次数。

1.5 方法

**decision_functino(X)：**预测样本X的置信度分数。
**densify()：**将稀疏矩阵改成稠密矩阵。
fit(X,y,sample_weight=None)：把数据放入模型中训练模型，其中sample_weight=None是array类型可以对训练集中实例添加权重，即对训练集中不同的数据增加不同的权重。
**get_params([deep])：**返回模型的参数，可以用于Pipeline中。
**predict(X)：**预测样本X的分类类别。
**predict_lot_proba(X)：**返回样本X在各个类别上对应的对数概率。
**predict_proba(X)：**返回样本X在各个类别上对应的概率。
**score(X,y[,sample_weight])：**基于报告决定系数$R^2$评估模型。
**set_prams(**params)：**创建模型参数。
**sparsify()：**将系数矩阵转换为稀疏矩阵，调用该方法后再选择coef_属性便是稀疏矩阵。
**sample_weight：**样本权重参数。