sklearn中是否有设置惩罚阈值的参数？答案

【问题标题】：Is there a parameter to set a penalty threshold in sklearn?sklearn中是否有设置惩罚阈值的参数？
【发布时间】：2021-03-22 06:52:00
【问题描述】：

作为特征选择过程的一部分，我正在为我的数据拟合一个 sklearn.linear_model.LogisticRegression 模型，并带有 L1 惩罚。据我了解，使用penalty='l1' 意味着优化过程将在所有系数的绝对值之和小于给定阈值（as explained here）的情况下最小化成本函数。

是否有参数声明系数绝对值之和的阈值？

这是我的分类器：

clf = LogisticRegression(penalty='l1', dual=False, tol=0.01, C=1.0,
                         fit_intercept=True, intercept_scaling=1,
                         random_state=0, solver='saga', max_iter=500,
                         multi_class='auto', n_jobs=-1)

也许solver 选项都没有通过阈值优化问题，但老实说，我只熟悉基本形式的算法，所以我不知道是不是这样。

【问题讨论】：

标签： python machine-learning scikit-learn logistic-regression lasso-regression

【解决方案1】：

您正在寻找的是C 参数，它基本上是在

min: 1/n * ||y - X * beta||^2 + lambda * ||beta||

来自 wiki 的方程式（您提供的 link）。

减少C 与增加上述等式中的 lambda 具有相同的效果（增加上述等式中的 lambda 和减少代码中的C 都会导致更多的正则化）。

tol 被用作优化算法的停止标准，而不是正则化。

【讨论】：

哦，太好了！反向 lambda 是指 1/lambda，对吗？
基本上是的。因此，您不能将其设置为 0。