使用 scikit learn 训练逻辑回归进行多类分类

Question

根据scikit 多类分类逻辑回归可以通过在构造函数中设置 multi_class=multinomial 用于多类分类。 但是这样做会出错：

代码：

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

错误：

ValueError：Solver liblinear 不支持多项式后端。

你能告诉我这里有什么问题吗？

注意：将 multi_class 保持为空白，即“ovr”工作正常，但它适合每个分类器的二元模型，我也想尝试多项式特征。

Answer 1

从文档：

目前只有 'lbfgs' 和 'newton-cg' 求解器支持 'multinomial' 选项。

因此，您需要将solver显式设置为'newton-cg ' 或'lbfgs' ，因为默认求解器是'liblinear' 。

Answer 2

看起来您没有提供求解器，并且默认求解器设置为不支持多类的“ liblinear ”。 根据 sklearn 0.20.1 版，'newton-cg'、'lbfgs'、'sag'、'saga' 支持多类而不是 'liblinear'，因此按照以下代码更改 LogisticRegression 的实例创建

logReg = LogisticRegression(multi_class='multinomial', solver='newton-cg')

求解器必须是“newton-cg”、“lbfgs”、“sag”、“saga”中的任何内容，但不能离开