Python 中的 Scikit-learn 更新

Question

提问前先做个介绍。下面的代码没有出现任何错误，但是，理论上算法应该绘制 图 2，但绘制 图 1。在网上找了一个和我类似的算法，找到了，但是出现一模一样的问题。我还注意到图书馆正在更新，而且每次都变得更好。我比较了 LinearRegression 的花型错误分类样本，之前（我不记得版本）有 8 个或 7 个，最新版本的错误分类样本为 1.

问题1：是否需要对代码进行任何更改才能获得图2？如果答案是否定的，图 1 的解释是什么？。如果答案是肯定的，你应该修改什么，为什么？

问题 2：如何查看库更新，特别是 scikit 学习算法？

import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression


iris = datasets.load_iris()
X = iris.data[:, [2, 3]]
y = iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
sc= StandardScaler()
sc.fit(X_train)
X_train_std = sc.transform(X_train)
X_test_std = sc.transform(X_test)


lr=LogisticRegression(C=100.0, random_state=1)
lr.fit(X_train_std,y_train)

weights, params = [], []
for c in np.arange(-5, 5):
   lr = LogisticRegression(C=10.**c, random_state=1)
   lr.fit(X_train_std, y_train)
   weights.append(lr.coef_[1])
   params.append(10.**c)

weights = np.array(weights)
plt.plot(params, weights[:, 0], color='blue', marker='x', label='petal length')
plt.plot(params, weights[:, 1], color='green',  marker='o', label='petal width')
plt.ylabel('weight coefficient')
plt.xlabel('C')
plt.legend(loc='right')
plt.xscale('log')
plt.show()

Answer 1

这对我有用：

lr = LogisticRegression(C=10.**c, random_state=1, multi_class='ovr')

multi_class 是在 scikit-learn 的最新版本中更改了默认值的参数之一。（另一个参数是 solver）。出于某种原因，将其转化为二元问题可以解决问题，但老实说，并没有太多关于正在发生的事情的线索。 :)

Python 中的 Scikit-learn 更新

Scikit-learn updates in Python

python

scikit-learn

updates