sklearn逻辑回归超参

在sklearn中，逻辑回归（Logistic Regression）的超参数包括以下几个:

1. penalty：正则化项的类型，默认为 "l2"。可以选择使用 "l1" 或 "elasticnet"。
2. C：正则化参数的倒数，默认为 1.0。较小的值表示更强的正则化。
3. solver：优化算法的选择，默认为 "lbfgs"。其他可选的算法包括 "newton-cg"、"liblinear" 和 "sag"。
4. max_iter：迭代次数的最大值，默认为 100。增加该值可以提高模型的收敛性。
5. multi_class：多分类问题的处理方式，默认为 "auto"。可以选择 "ovr"（一对多）或 "multinomial"（多项式）。
6. class_weight：样本权重的设置，默认为 None。可以将某些类别的权重设置为更高，以平衡样本不均衡问题。

同时，逻辑回归模型还具有一些重要的属性，例如 coef_，可以查看每个特征所对应的参数。