如何选择逻辑回归的正则化参数？

作为机器学习新手，我在使用逻辑回归算法时遇到了困难，即如何选择正则化参数。我在构建模型后，发现模型存在过度拟合的问题，导致在新数据上的表现不够理想。考虑到正则化可以解决过度拟合的问题，我想请教大家在使用逻辑回归算法时应该如何选择正则化参数，以打造更准确的模型，感谢大家的帮助！

提问时间：2023-07-05 10:15:12 编辑时间：2023-07-05 10:15:14 提问者： Black_Raven
  • 梦里清风
    4

    在逻辑回归中，正则化参数的选择是非常重要的一步。通常情况下，我们可以通过交叉验证来选择最合适的正则化参数。具体来说，我们可以将数据集分为训练集和验证集，并尝试不同的正则化参数进行训练，然后在验证集上来评估模型的表现。通常情况下，我们会选择在验证集上表现最好的模型所对应的正则化参数作为最终的选择。另外，我们也可以使用各种正则化方法，如L1正则化和L2正则化，来对模型进行加强。最终的选择需要根据实际情况和具体要求来进行权衡。

    回答时间：2023-07-05 10:15:17
相关标签

逻辑回归 正则化 参数选择 模型优化