sklearn.linear_model.LogisticRegression

* 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.