ConvergenceWarning：lbfgs 未能收敛（状态 = 1）：停止：TOTAL NO。迭代次数达到极限

Question

我有一个包含数字和分类数据的数据集，我想根据患者的医学特征预测患者的不良后果。我为我的数据集定义了一个预测管道，如下所示：

X = dataset.drop(columns=['target'])
y = dataset['target']

# define categorical and numeric transformers
numeric_transformer = Pipeline(steps=[
    ('knnImputer', KNNImputer(n_neighbors=2, weights="uniform")),
    ('scaler', StandardScaler())])

categorical_transformer = Pipeline(steps=[
    ('imputer', SimpleImputer(strategy='constant', fill_value='missing')),
    ('onehot', OneHotEncoder(handle_unknown='ignore'))])

#  dispatch object columns to the categorical_transformer and remaining columns to numerical_transformer
preprocessor = ColumnTransformer(transformers=[
    ('num', numeric_transformer, selector(dtype_exclude="object")),
    ('cat', categorical_transformer, selector(dtype_include="object"))
])

# Append classifier to preprocessing pipeline.
# Now we have a full prediction pipeline.
clf = Pipeline(steps=[('preprocessor', preprocessor),
                      ('classifier', LogisticRegression())])

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

clf.fit(X_train, y_train)
print("model score: %.3f" % clf.score(X_test, y_test))

但是，在运行此代码时，我收到以下警告消息：

ConvergenceWarning: lbfgs failed to converge (status=1):
STOP: TOTAL NO. of ITERATIONS REACHED LIMIT.
Increase the number of iterations (max_iter) or scale the data as shown in:
    https://scikit-learn.org/stable/modules/preprocessing.html
Please also refer to the documentation for alternative solver options:
    https://scikit-learn.org/stable/modules/linear_model.html#logistic-regression
  extra_warning_msg=_LOGISTIC_SOLVER_CONVERGENCE_MSG)

    model score: 0.988

有人可以向我解释这个警告的含义吗？我是机器学习的新手，所以对于我可以做些什么来改进预测模型有点迷茫。从 numeric_transformer 中可以看出，我通过标准化对数据进行了缩放。我也很困惑模型分数如何相当高以及这是好事还是坏事。

Answer 1

警告的意思主要是：建议尝试使求解器（算法）收敛。

---

lbfgs 代表：“有限记忆 Broyden–Fletcher–Goldfarb–Shanno 算法”。它是 Scikit-Learn 库提供的求解器算法之一。

limited-memory 一词仅表示它只存储几个隐式表示梯度近似的向量。

它在相对小型数据集上具有更好的收敛性。

---

但是什么是算法收敛？

简单来说。如果求解的误差在非常小的范围内（即几乎没有变化），那么这意味着算法达到了解决方案（不一定是最佳解决方案，因为它可能会停留在所谓的“局部最优”）。

另一方面，如果误差变化显着（即使误差相对较小 [就像你的情况一样，分数很好]，而是每次迭代的误差之间的差异大于某个容差）然后我们说算法没有收敛。

现在，您需要知道 Scikit-Learn API 有时会为用户提供选项，以指定算法在以迭代方式搜索解决方案时应进行的最大迭代次数：

LogisticRegression(... solver='lbfgs', max_iter=100 ...)

如您所见，LogisticRegression 中的默认求解器为 'lbfgs'，默认最大迭代次数为 100。

最后，请注意，增加最大迭代次数并不一定能保证收敛，但肯定会有所帮助！

---

更新：

根据您在下面的评论，可以尝试一些可能有助于算法收敛的提示（在众多提示中）：

• 增加迭代次数：如this answer;
• 尝试不同的优化器：看看here;
• 扩展您的数据：看here;
• 添加工程功能：看here；
• 数据预处理：看here - use case和here；
• 添加更多数据：查看here。

Answer 2

如果任何机器学习算法出现以下错误，

收敛警告：

lbfgs 未能收敛（状态=1）：
停止：总数迭代次数达到限制。

增加迭代次数（max_iter）或缩放数据如6.3. Preprocessing data

另请参阅文档以了解替代求解器选项：LogisticRegression()

那么在这种情况下，您使用类似的算法

from sklearn.linear_model import LogisticRegression
log_model = LogisticRegression(solver='lbfgs', max_iter=1000)

因为有时候会因为迭代而发生。

Answer 3

修复收敛警告将LogisticRegression中的ma​​x_iter指定为更高的值：

from sklearn.linear_model import LogisticRegression
model=LogisticRegression(max_iter=3000)
model.fit(X_train,y_train)