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来使用 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 文档页面， 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？

任何形式的帮助将非常感激。

Answer 1

I\xe2\x80\x99m 不确定，但是，您想知道模型的最佳迭代次数吗？如果是这样，您最好利用GridSearchCV扫描调整超参数，例如max_iter。\n简单地说，

\n

\n
1. 将您的数据分为两组：使用train_test_split或训练/测试数据KFold可以从 sklean 导入的训练/测试数据
\n
2. 设置你的参数，例如para=[{\xe2\x80\x98max_iter\xe2\x80\x99:[1,10,100,100]}]
\n
3. 实例，例如clf=GridSearchCV(LogisticRegression, param_grid=para, cv=5, scoring=\xe2\x80\x98r2\xe2\x80\x99)
\n
4. 使用这样的训练数据来实现：clf.fit(x_train, y_train)
\n

\n

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

\n