python - sklearn.linear_model.LogisticRegression 中的“L1_ratio”和“C”

Question

我正在尝试使用 saga 求解器运行弹性网络。但是，我对“C”参数的作用感到困惑。据我所知，L1_ratio 是 lasso 和 ridge 惩罚的凸和——L1 和 L2 范数——应该用于弹性网络正则化。当我为“L1_ratio”设置数字时，是否应该将“C”设置为 0？

标签： pythonmachine-learningscikit-learnlogistic-regression

Answer 1

C是支配模型中正则化量的超参数；请参阅文档。它的倒数1/C在文档中称为正则化强度。C参数范数的惩罚越大，l1或l2. C顺便说一句，不能设置为0，它必须是>0。

l1_ratio是[0,1]范围加权l1与l2正则化中的参数。因此l1正则化的量是l1_ratio * 1./C，同样l2reg 的量是(1-l1_ratio) * 1./C