通过网格搜索寻找逻辑回归模型的两个最优超参数。C：正则化强度 λ 的倒数。较小数值表示更强的正则化。默认为 1.0。class_weight ：类别权重。'balanced' 或 None。输出最优超参数的组合。

好的，我们可以使用GridSearchCV进行网格搜索来寻找最优超参数组合。下面是一个示例代码：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GridSearchCV

# 定义逻辑回归模型
lr = LogisticRegression()

# 定义要搜索的超参数空间
param_grid = {'C': [0.1, 1, 10], 'class_weight': [None, 'balanced']}

# 定义GridSearchCV对象
grid_search = GridSearchCV(lr, param_grid, cv=5)

# 训练模型并搜索最优超参数组合
grid_search.fit(X, y)

# 输出最优超参数组合
print('Best parameters:', grid_search.best_params_)

在这个示例中，我们定义了要搜索的超参数空间，包括C和class_weight，然后使用GridSearchCV进行训练和搜索。最后输出最优超参数组合即可。