Scikit LogisticRegression无法学习与或的布尔函数

Question

看起来在scikit-learn中实现的逻辑回归（Logistic Regression）无法学习简单的布尔函数，比如与（AND）或或（OR）。我能理解异或（XOR）会得出不好的结果，但与和或应该没问题啊。我是不是做错了什么？

from sklearn.linear_model import LogisticRegression, LinearRegression
import numpy as np

bool_and = np.array([0., 0., 0., 1.])
bool_or  = np.array([0., 1., 1., 1.])
bool_xor = np.array([0., 1., 1., 0.])


x = np.array([[0., 0.],
              [0., 1.],
              [1., 0.],
              [1., 1.]])

y = bool_and
logit = LogisticRegression()
logit.fit(x,y)

#linear = LinearRegression()
#linear.fit(x, y)

print "expected: ", y
print "predicted:", logit.predict(x)
#print linear.predict(x)

输出结果如下：

expected:  [0 0 0 1]
predicted: [0 0 0 0]

Answer 1

这个问题似乎和正则化有关。下面的代码让分类器正常工作：

logit = LogisticRegression(C=100)

不过，文档提供的信息有点少，所以我不太确定这个C参数的范围是多少。