Python 求解器的Logistic回归问题

我使用逻辑回归建模。但是，当我应用solver=“多项式”时，在尝试多重解算器时，我得到了这个结果

---

---

ValueError回溯（最近一次调用）
在里面
---->1个cv_注册配合（X_系列、y_系列）
E:\Anaconda\u Install\lib\site packages\sklearn\linear\u model\logistic.py in fit（self、X、y、sample\u weight）
1970年自我：目标
1971         """
->1972解算器=_check_解算器（self.solver、self.poulding、self.dual）
1973
1974如果不存在（self.max_iter，Number.Number）或self.max_iter<0：
E:\Anaconda\u Install\lib\site packages\sklearn\linear\u model\logistic.py in\u check\u解算器（解算器，惩罚，双重）
435如果解算器不在所有解算器中：
436提高值错误（“逻辑回归仅支持%s中的解算器，已获得”
-->437“%s.”%（所有解算器，解算器））
438
439所有惩罚=['l1'，'l2'，'elasticnet'，'none']
ValueError:Logistic回归仅支持['liblinear'、'newton cg'、'lbfgs'、'sag'、'saga']中的解算器，得到多项式。

将

解算器='多项式'

替换为

multi\u class='多项式'

。没有“多项式”解算器

在你提到的评论中

---

我在教育公司的课程中阅读了解算器的参考资料

不要在其他地方阅读参考/文档，请使用scikit learn的网站，

---

请阅读文档。

你认为为什么会有“多项式”“怎么选择？检查：对于多类问题，只有“newton cg”、“sag”、“saga”和“lbfgs”处理多项式损失；'“liblinear”仅限于一对多方案。我在《incN1kshan教育课程：RainingComputers说什么》中阅读了解算器的参考资料。有成千上万的模仿博客和课程，为了获得谷歌的点击率和眼球，他们对内容进行删减、篡改和扭曲。无视他们，直奔源头，

import sklearn as skl

skl.__version__
'0.21.2'

X_train, X_test, y_train, y_test = train_test_split(multiclass_logistic_data, labels, test_size = 0.2, random_state = 1)

cv_reg = linear_model.LogisticRegressionCV(solver='multinomial', max_iter=1000)
cv_reg.fit(X_train, y_train)

ValueError                                Traceback (most recent call last)
<ipython-input-54-6d16d00d0653> in <module>
----> 1 cv_reg.fit(X_train, y_train)

E:\Anaconda_Install\lib\site-packages\sklearn\linear_model\logistic.py in fit(self, X, y, sample_weight)
   1970         self : object
   1971         """
-> 1972         solver = _check_solver(self.solver, self.penalty, self.dual)
   1973 
   1974         if not isinstance(self.max_iter, numbers.Number) or self.max_iter < 0:

E:\Anaconda_Install\lib\site-packages\sklearn\linear_model\logistic.py in _check_solver(solver, penalty, dual)
    435     if solver not in all_solvers:
    436         raise ValueError("Logistic Regression supports only solvers in %s, got"
--> 437                          " %s." % (all_solvers, solver))
    438 
    439     all_penalties = ['l1', 'l2', 'elasticnet', 'none']

ValueError: Logistic Regression supports only solvers in ['liblinear', 'newton-cg', 'lbfgs', 'sag', 'saga'], got multinomial.