在 python 中设置 Logistic 回归的确切迭代次数

Setting exact number of iterations for Logistic regression in python

我正在创建一个模型，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？

如有任何帮助，我们将不胜感激。

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. 将您的数据分成两组：train/test 具有 train_test_split 或 KFold 的数据可以从 sklean
    2. 导入
  2. 设置参数，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. 像这样使用训练数据实现：clf.fit(x_train, y_train)

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