未知变量声明

Question

我在kaggle中读了一些代码，但遇到了一个模糊的实现。直到今天，我还不知道我们可以为一个模型声明一个变量。在

from sklearn.linear_model import LogisticRegression
...
model = LogisticRegression()
....
model.loss = 0.01
model.penalty = 'l1'
model.l1_ratio = True
model.alpha = 'auto'
model.fit(x_train, y_train)

我知道sklearn中的logistic回归除了惩罚之外没有任何其他参数，我在sklearn中发现了另一个线性算法sgdclassizer，它实际上接受所有这些参数，但对于“损失”、“l1”和“alpha”数据类型是不同的。我知道每个参数的描述以及它们在其他算法中使用的原因，但我无法理解此声明背后的原因。对于这个实现的任何解释都是非常感谢的。谢谢您。在

Answer 1

我认为使用这种声明的一种方法是使代码更模块化。像这样：

def get_clf(clf_type,loss,penalty):
    my_clf = clf_type
    my_clf.loss = loss
    my_clf.penalty = penalty
    return my_clf

现在可以将它作为一个泛型函数来处理，以使代码更加模块化。因此，无论何时需要创建分类器，都可以调用：

^{pr2}$

所以即使你改变你的回归，你只需要改变上面的一行。同样，这是关于个人风格的编程和如何习惯它。有些人喜欢在定义本身中声明参数，而有些人则明确地喜欢在您的问题中声明参数。在