python - 在python中设置Logistic回归的精确迭代次数

Question

我正在创建一个模型，以使用 Python 对数据集执行逻辑回归。这是我的代码:

from sklearn import linear_model
my_classifier2=linear_model.LogisticRegression(solver='lbfgs',max_iter=10000)

现在，根据 Sklearn doc page , max_iter 是求解器收敛所需的最大迭代次数。我如何具体说明我需要“N”次迭代？

任何形式的帮助将不胜感激。

Answer 1

我不确定，但是，您想知道模型的最佳迭代次数吗？如果是这样，您最好使用 GridSearchCV 来扫描调整超参数，例如 max_iter。简而言之，

1. 将数据分为两组:使用可从 sklean 导入的 train_test_split 或 KFold 进行训练/测试数据
2. 设置您的参数，例如 para=[{‘max_iter’:[1,10,100,100]}]
3. 实例，例如clf=GridSearchCV(LogisticRegression, param_grid=para, cv=5, Scoring=‘r2’)
4. 使用如下所示的训练数据来实现:clf.fit(x_train, y_train)

您还可以使用 RandomizedSearchCV 或 BayesianOptimization 获取最佳迭代次数。