什么是逻辑回归,有哪些参数_工业大脑(Industrial Intelligence)-阿里云帮助中心

本文为您介绍逻辑回归组件。

功能说明

逻辑回归（LogisticRegression）是一种用于解决二分类（0 or 1）问题的模型，用于估计某种事物的可能性。尽管名字是逻辑回归，但它是一种用于分类而不是回归的线性模型。Logistic 回归在文献中也称为 logit 回归、最大熵分类 (MaxEnt) 或对数线性分类器。在该模型中，描述单个试验可能结果的概率使用逻辑函数建模。

计算逻辑原理

逻辑回归的思路是，先拟合决策边界（不局限于线性，还可以是多项式），再建立这个边界与分类的概率联系，从而得到了二分类情况下的概率。本质是假设数据服从这个分布，然后使用极大似然估计做参数的估计。

参数说明

IN端口

参数名	参数描述	是否必填	输入数据类型	数据源类型
特征变量	配置模型特征列	是	整数或浮点数说明若存在非数值数据，则会抛出异常。	CSV组件。 IGateInOffline组件。平台上其他数据处理组件。按照平台规范开发的自定义组件。
目标变量	配置模型目标列	是	整数或浮点数或字符	CSV组件。 IGateInOffline组件。平台上其他数据处理组件。按照平台规范开发的自定义组件。

模型端口

参数名	参数描述	输出参数	输出数据类型
模型	输出算法训练后模型存储的地址。	模型地址	字符

算法参数

参数名	参数描述	是否必填	参数默认值	参数范围
惩罚类型	用于指定惩罚中使用的规范	否	L2	L2 无惩罚
正则强度的倒数	必须为正浮点数，与支持向量机一样，较小的值指定更强的正则化	否	1.0	[0, 99999999]
是否使用截距	指定是否应将常量（aka偏置或截距）添加到决策函数	否	是	是否
分类权重	用于表示分类模型中各种类型的权重	否	None	可以是一个字典或者’balanced’字符串，默认为不输入，也就是不考虑权重，即为None
求解器	用于优化问题的算法	否	lbfgs	newton-cg（牛顿法） lbfgs（L-BFGS拟牛顿法） sag（随机梯度下降法）
最大迭代次数	求解程序收敛所需的最大迭代次数	否	100	[1, 10000]
分类方式	二分类目标：采用one-vs-rest策略进行分类多分类目标：直接采用多分类逻辑回归模型	否	自动	自动二分类目标多分类目标
测试集比例	测试模型的数据占总输入数据的比例，用于计算模型的评价指标。	是	0.2	[0,1]
测试集生成方式	根据选定方式，选取部分数据作为测试集，剩余部分作为训练集。随机：按比例随机从输入数据中截取n条数据作为测试集。头部：按比例将输入数据前n条数据作为测试集。尾部：按比例将输入数据后n条数据作为测试集。	是	随机	随机头部尾部

其他参数

参数名	参数描述
模型结果	可以查看建模成功后的模型评价结果和发布模型。