scikitlearn Logistic回归解算器中的未来警告

Question

我一直在使用Udemy上的一门课程来学习机器学习。我发现了很多不推荐使用的代码，现在我遇到了这个问题：

守则：

from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state = 0)
classifier.fit(X_train, y_train)

警告：

C:\Users\admin\Anaconda3\lib\site-packages\sklearn\linear_model\logistic.py:432: FutureWarning: Default solver will be changed to 'lbfgs' in 0.22. Specify a solver to silence this warning.
  FutureWarning)

我怎样才能摆脱这个弃用警告

Answer 1

在您可能使用的scikit learn v0.20中，在LogisticRegression中使用的solver的默认值为liblinear；从docs开始：

solver : str, {‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’}, default: ‘liblinear’.

这在v0.22（当前最新版本）中更改为lbfgs

因此，为了避免此更改带来的意外，scikit learn在默认情况下警告您此更改将出现在将来的版本中，以保证您的代码经得起未来的考验

要摆脱它，只需在LogisticRegression定义中显式定义一个解算器，即

classifier = LogisticRegression(random_state = 0, solver='lbfgs') # default in v0.22

或

classifier = LogisticRegression(random_state = 0, solver='liblinear') # default until v0.21

上面提供的第一个文档链接显示了所有可用选项，以及每个选项的一些简短评论/建议

Answer 2

试用

classifier = LogisticRegression(random_state=0, solver="liblinear")

和文档中的checkout solver参数：https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html

Answer 3

嗯，警告信息告诉你。您只需明确指定要使用的解算器：

classifier = LogisticRegression(random_state = 0, solver='lbfgs')

（或要使用的任何其他解算器）

有关可用选项，请参见the sklearn docs