model.get_params()

对于大部分的机器学习模型，get_params()方法可以返回模型的所有超参数及其取值。在使用这个方法之前，需要先用训练数据对模型进行拟合，以便能够获得最优的超参数取值。

在Python中，如果你使用的是Scikit-Learn库，可以通过以下方式调用get_params()方法：

from sklearn.linear_model import LogisticRegression

model = LogisticRegression()
# 先进行模型拟合
model.fit(X_train, y_train)
# 获取模型的超参数信息
params = model.get_params()
print(params)

这个方法会返回一个字典，其中包含了模型的所有超参数及其取值。具体来说，它会返回一个类似于下面这样的字典：

{
    'C': 1.0,
    'class_weight': None,
    'dual': False,
    'fit_intercept': True,
    'intercept_scaling': 1,
    'l1_ratio': None,
    'max_iter': 100,
    'multi_class': 'auto',
    'n_jobs': None,
    'penalty': 'l2',
    'random_state': None,
    'solver': 'lbfgs',
    'tol': 0.0001,
    'verbose': 0,
    'warm_start': False
}

这个字典包含了LogisticRegression模型的所有超参数及其默认取值。