일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- CNN
- sklearn
- 정리
- Logistic regression
- Logistic
- cost function
- 합성곱 신경망
- iris
- 비용 함수
- reinforcement learning
- 논리 회귀
- Neural network
- 강화학습
- 선형 회귀
- csv
- Gradient descent algorithm
- 회귀
- data
- machine learning
- Sigmoid Function
- 딥 러닝
- RL
- Kaggle
- Deep learning
- regression
- 시그모이드 함수
- convolutional neural network
- Q-Learning
- 요약
- 기울기 감소 알고리즘
- Today
- Total
컴공돌이의 스터디 블로그
sklearn.linear_model.LogisticRegression 본문
* 이 글은 www.scikit-learn.org에서 볼 수 있는 내용을 정리한 글 입니다.
sklearn.linear_model.LogisticRegression
[변수]
- penalty : 페널티를 부여할 때 사용할 기준을 결정('l1', 'l2')
- dual : Dual Formulation인지 Primal Formulation인지를 결정(True, False)
- tol : 중지 기준에 대한 허용 오차 값
- C : 규칙의 강도의 역수 값
- fit_intercept : 의사 결정 기능에 상수를 추가할 지 여부 결정(True, False)
- intercept_scaling :
- class_weight : 클래스에 대한 가중치들의 값
- random_state : 데이터를 섞을 때 사용하는 랜덤 번호 생성기의 시드 값
- solver : 최적화에 사용할 알고리즘 결정('newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga')
- max_iter : solver가 수렴하게 만드는 최대 반복 횟수 값
- multi_class : ('ovr', 'multinomial')
- verbose :
- warm_start : 이전 호출에 사용했던 solution을 재사용 할지 여부 결정(True, False)
- n_jobs : 병렬처리 시 사용 할 CPU 코어의 수
[용도]
- 데이터셋에 사용할 Logistic Regression 모델을 생성하는 함수
[주의할 점]
<penalty>
- solver 중 'newton-cg', 'sag', 'lbfgs'는 'l2'만 지원
<dual>
- Dual Formulation은 solver를 'liblinear', penalty를 'l2'로 사용한 경우에만 구현 가능
<intercept_scaling>
- solver를 'liblinear', fit_intercept를 True로 사용한 경우에만 유용
<verbose>
- solver중 'liblinear', 'lbfgs'만 지원
[중요한 것]
- 내부 변수를 아무것도 설정하지 않을경우 default 값으로 설정됩니다.
'Python 주요 함수 > Scikit-Learn' 카테고리의 다른 글
sklearn.svm.SVR (0) | 2018.07.20 |
---|