我有一个带有一组定义的参数 ( ) 的逻辑回归warm_start=True模型。
与往常一样，我调用LogisticRegression.fit(X_train, y_train)并使用模型来预测新的结果。
假设我改变一些参数，并使用相同的训练数据C=100再次调用方法。.fit
.fit从理论上讲，我认为与 的模型相比，第二次应该花费更少的计算时间warm_start=False。然而，根据经验来看，事实并非如此。
请帮我理解参数的概念warm_start。
PS：我也进行了
SGDClassifier()实验。
gradient-descent scikit-learn logistic-regression hyperparameters