scikit-learn 逻辑回归求解器中的 FutureWarning答案

【问题标题】：FutureWarning in scikit-learn Logistic Regression solverscikit-learn 逻辑回归求解器中的 FutureWarning
【发布时间】：2020-07-27 00:22:17
【问题描述】：

我一直在使用 Udemy 上的课程来学习机器学习。我发现了很多不推荐使用的代码，现在我遇到了这个问题：

代码：

from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state = 0)
classifier.fit(X_train, y_train)

警告：

C:\Users\admin\Anaconda3\lib\site-packages\sklearn\linear_model\logistic.py:432: FutureWarning: Default solver will be changed to 'lbfgs' in 0.22. Specify a solver to silence this warning.
  FutureWarning)

我怎样才能摆脱这个弃用警告？

【问题讨论】：

标签： python scikit-learn logistic-regression

【解决方案1】：

在您可能使用的 scikit-learn v0.20 中，LogisticRegression 中使用的 solver 的默认值为 liblinear；来自docs：

求解器：str, {'newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'}，默认值：'liblinear' .

这在v0.22（当前最新）中更改为lbfgs。

因此，为了避免此更改带来的意外，scikit-learn 会在默认情况下警告您此更改将出现在未来的版本中，以确保您的代码面向未来。

要摆脱它，只需在 LogisticRegression 定义中明确定义求解器，即

classifier = LogisticRegression(random_state = 0, solver='lbfgs') # default in v0.22

或

classifier = LogisticRegression(random_state = 0, solver='liblinear') # default until v0.21

上面提供的第一个文档链接显示了所有可用选项，以及对每个选项的一些简短评论/建议。

【讨论】：

【解决方案2】：

尝试使用

classifier = LogisticRegression(random_state=0, solver="liblinear")

并在文档中检出求解器参数：https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html

【讨论】：

【解决方案3】：

嗯，警告信息告诉你。您需要做的就是明确指定要使用的求解器：

classifier = LogisticRegression(random_state = 0, solver='lbfgs')

（或您想使用的任何其他求解器）

有关可用选项，请参阅the sklearn docs。

【讨论】：