在python中为逻辑回归设置确切的迭代次数

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。如何明确说明我需要“N”次迭代？

非常感谢任何形式的帮助。

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 扫描调整超参数，如max_iter。 简而言之，

1. 将您的数据分成两组：使用可从 sklean 导入的 train_test_split 或 KFold 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. 使用这样的训练数据实现：clf.fit(x_train, y_train)

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