为什么用 sklearn 做逻辑回归不用选择步长等参数？-经管之家官网！

坛友互助群

扫码加入各岗位、行业、专业交流群

最开始学习手动编写梯度下降循环代码求解逻辑回归参数时，都是要设置步长和迭代次数、损失函数阈值等停止条件，并且根据收敛图像多次调整这些参数才可以得到一个相对不错的模型。

然后接触 sklearn 时，怎么看到都是简单的一句话就求解好了，并没有看到调整过程；很多教程会告诉你 LogisticRegression 的各种参数意义，但没有更多解释，多数示范代码也没有用到太多参数。

是因为 solver 选择的方法和步长什么的没有关系了吗？还是因为那些高级方法（例如cg/lbfs）可以自己选择合适的步长和停止条件？

问题2，看到 LogisticRegression 里的默认参数 tol=0.0001，最大迭代次数 max_iter=100，这两个停止条件都有默认值，但是不冲突的吗？一定会有达到最大迭代次数时 tol 没到 0.0001 的时候，那会怎么样呢？编写代码过程中尝试了交叉验证不同的tol和max_tier参数，结果如下图，各项评分竟然都是一样的...无法理解。。。

小白自学过程中总会想到一些奇怪的问题...望过路大神答疑解惑，灰常感谢！

扫码或添加微信号：坛友素质互助

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP