LogisticRegression - Parameter explanations (detailed)

Logistic Regression模型包含14个可调节的参数或因素。逻辑回归参数详细说明

参数说明如下：

惩罚项被定义为一个字符串类型变量，在可选配置中可以选择l1或l2范式，默认采用l2范式来指定惩罚项所使用的规则标准。在优化过程中采用牛顿共轭梯度法（newton-cg）、随机平均梯度法（sag）或有限增量法（lbfgs）时，默认仅支持基于欧几里得距离（即l2范数）的方法；而拉普拉斯分布假设模型参数服从指数衰减的形式，在这种情况下选择使用l1范式；相反地，在高斯分布假设下，则认为模型参数集中在均值附近，并且在这种情况下选择使用平方误差损失函数更为合适。（注：虽然加入正则化可能会有助于防止过拟合现象的发生（overfitting），但具体是否能够提高泛化能力则是一个尚待验证的问题）。因此，在实际应用中通常会采取施加约束条件的方式来优化模型结构以实现更好的泛化性能（generalization performance）。

dual参数：表示是否采用对偶方法或