Python：逻辑回归 max_iter 参数降低了准确性

Question

我正在做多类/多标签文本分类。 我试图摆脱“ConvergenceWarning”。

当我将max_iter从默认值调整为4000 时，警告消失了。 但是，我的模型精度从78降低到75 。

from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score


logreg = Pipeline([('vect', CountVectorizer()),
            ('tfidf', TfidfTransformer()),
            ('clf', LogisticRegression(n_jobs=1, C=1e5, solver='lbfgs',multi_class='ovr' ,random_state=0, class_weight='balanced' )),
           ])
logreg.fit(X_train, y_train)


y_pred = logreg.predict(X_test)

print('Logistic Regression Accuracy %s' % accuracy_score(y_pred, y_test))

cv_score = cross_val_score(logreg, train_tfidf, y_train, cv=10, scoring='accuracy')
print("CV Score : Mean : %.7g | Std : %.7g | Min : %.7g | Max : %.7g" % (np.mean(cv_score),np.std(cv_score),np.min(cv_score),np.max(cv_score)))

为什么当 max_iter =4000 时我的准确度会降低？ 有没有其他方法可以解决*“ConvergenceWarning: lbfgs 未能收敛。增加迭代次数。“迭代次数。”，ConvergenceWarning)” *

Answer 1

它缺少问题中使用的数据，因此无法重现问题，只能猜测。

要检查的一些事项：

1）许多估计器，例如LogisticRegression喜欢（不是说需要）缩放数据。 根据您的数据，您可能希望使用MaxAbsScaler 、 MinMaxScaler 、 StandardScaler或RobustAScaler 。 最佳选择取决于您要解决的问题类型、稀疏性等数据属性、下游估计器是否欢迎负值等。缩放数据通常会加快收敛速度​​，甚至可能不需要增加max_iter 。

2）根据我的经验， solver不是"liblinear"需要更多的max_iter迭代来收敛给定相同的输入数据。

3) 我set in your code snippet. It currently defaults to没有看到任何 'max_iter set in your code snippet. It currently defaults to set in your code snippet. It currently defaults to 100`（sklearn 0.22）。

4）我看到你设置了正则化参数C=100000 。 它大大减少了正则化，因为 C 是正则化强度的倒数。 预计会消耗更多迭代，并可能导致模型过度拟合。

5) 我没想到更高的max_iter会降低准确度。 求解器正在发散而不是收敛。 数据可能未缩放或随机状态不固定或容差tol （默认值 1e-4）变得很高。

6) 检查您的cross_val_score交叉验证参数cv 。 如果我没有错，默认行为不会设置随机状态，从而导致可变平均准确度。

Answer 2

在我的例子中，我以小的增量（从默认的 100 到 400，然后是 400 的间隔）增加了max_iter ，直到我摆脱了警告。 而且，有趣的是，它增加了模型性能参数（准确度、精度、召回率、F1 分数）。 直觉上这是有道理的，因为现在收敛发生了，你达到了最佳解决方案，而在早期的情况下你没有。