扫码加入数据分析学习群

问：

怎么理解LogisticRegression 的正则化项参数 penalty 啊？

class sklearn.linear_model.LogisticRegression (penalty=’l2’, dual=False, tol=0.0001, C=1.0,
fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=’warn’,
max_iter=100, multi_class=’warn’, verbose=0, warm_start=False, n_jobs=None)

答：

LogisticRegression默认就带了正则化项。 penalty参数可选择的值为 "l1"和 "l2"，分别对应L1的正则化
和L2的正则化，默认是L2的正则化。在调参时如果我们主要的⽬的只是为了解决过拟合，⼀般penalty选

择L2正则化就够了。但是如果选择L2正则化发现还是过拟合，即预测效果差的时候，就可以考虑L1正则化。

另外，如果模型的特征⾮常多，我们希望⼀些不重要的特征系数归零，从⽽让模型系数稀疏化的话，也可

以使⽤L1正则化。