Python 如何从字典中为逻辑回归赋值?
问题就在这里 下面导入的“params”字典包含我们要更新的Logistic回归函数的参数。下面的函数也被导入并称为LogisticRegression函数,它的定义方式与我们通常定义函数的方式相同。输出包含函数的默认参数,因为我们没有提供任何参数。提供“params”字典作为LogisticRegression函数的输入,以更新函数的参数(1行代码) 我是这样做的,但它将输入置于“惩罚”中用于将字典键/值对解包到函数调用中:Python 如何从字典中为逻辑回归赋值?,python,dictionary,machine-learning,Python,Dictionary,Machine Learning,问题就在这里 下面导入的“params”字典包含我们要更新的Logistic回归函数的参数。下面的函数也被导入并称为LogisticRegression函数,它的定义方式与我们通常定义函数的方式相同。输出包含函数的默认参数,因为我们没有提供任何参数。提供“params”字典作为LogisticRegression函数的输入,以更新函数的参数(1行代码) 我是这样做的,但它将输入置于“惩罚”中用于将字典键/值对解包到函数调用中: params = {"C" : 0.01, "class_weigh
params = {"C" : 0.01, "class_weight" : "balanced", "max_iter" : 10000,
"n_jobs" : -1, "penalty" : "l1", "random_state" : 42}
from sklearn.linear_model import LogisticRegression
LogisticRegression(**params)
LogisticRegression(C=0.01, class_weight='balanced', dual=False,
fit_intercept=True, intercept_scaling=1, l1_ratio=None,
max_iter=10000, multi_class='auto', n_jobs=-1, penalty='l1',
random_state=42, solver='lbfgs', tol=0.0001, verbose=0,
warm_start=False)
params = {"C" : 0.01, "class_weight" : "balanced", "max_iter" : 10000,
"n_jobs" : -1, "penalty" : "l1", "random_state" : 42}
from sklearn.linear_model import LogisticRegression
LogisticRegression(**params)
LogisticRegression(C=0.01, class_weight='balanced', dual=False,
fit_intercept=True, intercept_scaling=1, l1_ratio=None,
max_iter=10000, multi_class='auto', n_jobs=-1, penalty='l1',
random_state=42, solver='lbfgs', tol=0.0001, verbose=0,
warm_start=False)