sklearn中是否有设置惩罚阈值的参数？
Is there a parameter to set a penalty threshold in sklearn?
我正在为我的数据拟合一个 sklearn.linear_model.LogisticRegression 模型，作为特征选择过程的一部分，使用 L1 惩罚。据我了解，使用 penalty='l1' 意味着优化过程将最小化成本函数，前提是所有系数的绝对值之和小于给定阈值 (as explained here)。
是否有参数声明系数绝对值之和的阈值？
这是我的分类器：
clf = LogisticRegression(penalty='l1', dual=False, tol=0.01, C=1.0,
fit_intercept=True, intercept_scaling=1,
random_state=0, solver='saga', max_iter=500,
multi_class='auto', n_jobs=-1)
也许 solver 选项中的 none 用阈值优化问题，但老实说，我只熟悉基本形式的算法，所以我不知道那是不是大小写。
您要找的是 C 参数，它基本上是
中的反向 lambda
min: 1/n * ||y - X * beta||^2 + lambda * ||beta||
来自 wiki 的公式（您提供的 link）。
减少 C 与增加上述等式中的 lambda 具有相同的效果（增加上述等式中的 lambda 和减少代码中的 C 将导致更多正则化）。
tol用作优化算法的停止标准，不用于正则化。
我正在为我的数据拟合一个 sklearn.linear_model.LogisticRegression 模型，作为特征选择过程的一部分，使用 L1 惩罚。据我了解，使用 penalty='l1' 意味着优化过程将最小化成本函数，前提是所有系数的绝对值之和小于给定阈值 (as explained here)。
是否有参数声明系数绝对值之和的阈值？
这是我的分类器：
clf = LogisticRegression(penalty='l1', dual=False, tol=0.01, C=1.0,
fit_intercept=True, intercept_scaling=1,
random_state=0, solver='saga', max_iter=500,
multi_class='auto', n_jobs=-1)
也许 solver 选项中的 none 用阈值优化问题，但老实说，我只熟悉基本形式的算法，所以我不知道那是不是大小写。
您要找的是 C 参数，它基本上是
min: 1/n * ||y - X * beta||^2 + lambda * ||beta||
来自 wiki 的公式（您提供的 link）。
减少 C 与增加上述等式中的 lambda 具有相同的效果（增加上述等式中的 lambda 和减少代码中的 C 将导致更多正则化）。
tol用作优化算法的停止标准，不用于正则化。