sklearn LogisticRegression без регуляризации

Класс логистической регрессии в sklearn поставляется с регуляцией L1 и L2. Как отключить регуляризацию, чтобы получить «сырую» логистическую форму, например, в glmfit в Matlab? Я думаю, что я могу установить C = большое число, но я не думаю, что это мудро.

подробнее см. документацию http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression

  • Как я могу использовать нецелые строковые метки с SVM из scikit-learn? питон
  • в чем разница между «transform» и «fit_transform» в sklearn
  • Как я могу уменьшить использование памяти Scikit-Learn Vectorizers?
  • Тензорный поток: сохранение и восстановление сеанса
  • Эффективная агломерационная кластерная память с привязкой в ​​Python
  • Как решить несколько независимых временных рядов одновременно с использованием модели линейной регрессии scikit
  • Ошибка метрики Scikit F-score
  • Scikit-learn predict_proba дает неправильные ответы
  • 2 Solutions collect form web for “sklearn LogisticRegression без регуляризации”

    Идите вперед и установите C как можно больше. Кроме того, не забудьте использовать l2, поскольку l1 с этой реализацией может быть болезненно медленным.

    Да, выберите максимально возможное число. В регуляризации функция стоимости включает выражение регуляризации, и имейте в виду, что параметр C в регуляризации sklearn является обратной величине силы регуляризации.

    C в этом случае 1 / lambda, при условии, что C> 0.

    Поэтому, когда C приближается к бесконечности, тогда лямбда приближается к 0. Когда это произойдет, функция стоимости становится вашей стандартной функцией ошибки, так как выражение регуляризации становится для всех интенсивных целей 0.

    Python - лучший язык программирования в мире.