在python中设置逻辑回归的精确迭代次数

我正在创建一个模型，使用Python对数据集执行逻辑回归。这是我的代码：

from sklearn import linear_model
my_classifier2=linear_model.LogisticRegression(solver='lbfgs',max_iter=10000)

现在，根据，max_iter是求解器收敛所需的最大迭代次数。我如何特别声明我需要“N”个迭代次数

---

非常感谢您的帮助。

我不确定，但是，您想知道您的模型的最佳迭代次数吗？如果是这样的话，最好利用GridSearchCV扫描调整超参数，如max_iter。 简要地， 1.将您的数据分为两组：带有train_test_spilit或可从sklean导入的KFold的训练/测试数据 2.设置参数，例如para=[{'max_iter'：[1,10100100]}] 3.例如，clf=GridSearchCV（logisticsregression，param_grid=para，cv=5，scoring='r2'）） 4.使用以下列数据实现：clf.fit（x\u列，y\u列）

---

您还可以使用随机搜索CV或BayesianOptimization获取最佳迭代次数。

通过将

max\u iter=VALUE

替换为您想要的任何值？@AMC是

max\u iter

算法将执行的迭代次数？或者这是它将执行的最大迭代次数？