LogisticRegression()参数

LogisticRegression()是scikit-learn中的一个分类模型，用于解决二分类问题。它主要有以下参数：

- penalty：正则化项，默认为'l2'，可以取值为{'l1', 'l2', 'elasticnet', 'none'}
- dual：是否使用对偶形式，默认为False
- tol：迭代停止的阈值，默认为1e-4
- C：正则化强度的倒数，默认为1.0，取值范围为(0, +∞)
- fit_intercept：是否计算截距，默认为True
- intercept_scaling：截距缩放系数，默认为1
- class_weight：类别权重，默认为None，可以设为'balanced'
- random_state：随机种子，默认为None
- solver：求解器，默认为'lbfgs'，可以取值为{'newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'}
- max_iter：最大迭代次数，默认为100
- multi_class：多分类问题的策略，默认为'auto'，可以取值为{'auto', 'ovr', 'multinomial'}
- verbose：详细程度，默认为0
- warm_start：是否使用前一次的结果作为初始值，默认为False
- n_jobs：并行处理的数量，默认为None

更多关于LogisticRegression()的参数信息，可以参考官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html