sklearn中LogisticRegression()各参数

在sklearn中，LogisticRegression()函数有许多可调参数，下面是一些常用的参数：

1. penalty：正则化类型，可以是l1、l2、elasticnet和none，默认是l2正则化。

2. dual：是否使用对偶形式，默认是False。如果样本数大于特征数，通常建议使用dual=False。

3. tol：优化算法的停止容忍度，即当目标函数的变化量小于tol时，停止优化算法。

4. C：正则化强度的倒数，即正则化系数的倒数。C的值越小，正则化强度越大。

5. fit_intercept：是否拟合截距，默认是True。

6. intercept_scaling：截距的缩放因子。当fit_intercept=True时，截距将乘以这个缩放因子。默认是1。

7. class_weight：用于平衡不平衡的类的权重。默认是None，即所有类的权重相等。可以指定一个字典，将类标签映射到权重。

8. random_state：用于控制随机数生成器的种子，以便重复实验。

9. solver：用于优化算法的求解器，可以是liblinear、newton-cg、lbfgs、sag、saga。默认是liblinear。

10. max_iter：最大迭代次数，默认是100。

11. multi_class：用于多分类问题的策略，可以是ovr（一对多）或multinomial（多项式）。默认是ovr。

12. verbose：控制详细程度的日志输出。

13. warm_start：是否使用之前的解作为初始值，默认是False。

14. n_jobs：并行运行的作业数，默认是1。