ValueError 在 Scikit 中找到最佳超参数时使用 GridSearchCV 学习 LogisticRegression答案

【问题标题】：ValueError while finding best hyperparameter in Scikit learn LogisticRegression using GridSearchCVValueError 在 Scikit 中找到最佳超参数时使用 GridSearchCV 学习 LogisticRegression
【发布时间】：2019-09-30 06:12:29
【问题描述】：

在使用 GridSearchCV 进行 LogisticRegression 进行超参数调整时，我收到错误消息 ValueError: Invalid parameter Hparam

对于估算器：

LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True, intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=-1, penalty='l1', random_state=None, solver='liblinear', tol=0.0001, verbose=1, warm_start=False)

我在下面写了我的代码：

hparam=[]
a = 0.0001
while(a<100000):
    hparam.append(a)
    a*=2
LReg = LogisticRegression(penalty='l1',verbose=1,n_jobs=-1)
param_grid = {'Hparam':hparam}
grid_ = GridSearchCV(LReg, param_grid, scoring='roc_auc', cv=10)
grid_.fit(xtr_,ytr_)

【问题讨论】：

标签： scikit-learn logistic-regression hyperparameters natural-language-processing

【解决方案1】：

Refer sci-kit Logistic Regression，Hparam 未列为 Logistic 回归的超参数

【讨论】：