用scikit-learn训练logistic回归进行多类分类

Question

根据scikit multiclass classification Logistic回归可用于通过设置 multi_class=构造函数中的多项式。但这样做会产生错误：

代码：

text_clf = Pipeline([('vect', TfidfVectorizer()),('clf', LogisticRegression(multi_class = 'multinomial')),])
text_clf = text_clf.fit(X_train, Y_train)

错误：

值错误：解算器liblinear不支持多项式后端。

你能告诉我这里怎么了吗？

注意：保持multi_类为空，即“ovr”工作正常，但它适合每个分类器的二元模型，我还想尝试多值特征。

Answer 1

从doc：

Currently the ‘multinomial’ option is supported only by the ‘lbfgs’ and ‘newton-cg’ solvers.

因此需要显式地将solver设置为'newton-cg或'lbfgs'，因为默认解算器是'liblinear'。

Answer 2

看起来您没有提供solver&；默认情况下，solver设置为不支持多类的“liblinear”。 根据sklearn版本0.20.1，“newton cg”、“lbfgs”、“sag”、“saga”而不是“liblinear”支持multiclass，因此请按照以下代码更改LogisticRegression的实例创建 logReg=logisticRegregation（multi戋class='多项式'，solver='牛顿-cg'）

解算器必须是“newton cg”、“lbfgs”、“sag”、“saga”中的任何内容，但不能为左