线性分类

# 线性分类

使用线性模型求解分类问题,包含模型训练器和预测器。
定义

M.logistic_regression.v1(penalty,dual,fit_intercept,tol,C,key_cols,workers,other_train_parameters)

参数

  • penalty(str)—指定惩罚项中使用的规范,可选L1或L2
  • dual(bool)—对偶或原始方法,默认为False。对偶方法只用在求解线性多核的L2惩罚项上,当样本数量大于样本特征的时候,通常设置为False。
  • fit_intercept(bool)—是否存在截距或偏差,默认为True
  • tol(float)—停止求解的标准,默认为0.0001
  • C(float)—正则化系数λ的倒数,默认为1
  • key_cols—关键列,指定的关键列会连同预测结果一起输出,多个列之间使用逗号分隔,默认为'date,instrument'两列。
  • workers(int)—并行作业数,同时使用多个进程进行计算,默认为1,普通用户最多为2,会员可以使用更多资源
  • other_train_parameters(dict)—其它训练参数,例如{‘criterion’:’mse’}

返回

训练模型
预测结果

返回类型

OutPuts