Узел «Логистическая регрессия»

Название

Ручной ввод.
Ограничений на значение нет.

Название узла, которое будет отображаться в интерфейсе.

Описание

Ручной ввод.
Ограничений на значение нет.

Описание узла.

Тип многоклассовой классификации

Раскрывающийся список со следующими значениями:

• Бинарная классификация (по умолчанию).
• Многоклассовая классификация.

Данный параметр задает тип многоклассовой классификации. Предусмотрены следующие методы:

• Бинарная классификация – метод «один против остальных».
• Многоклассовая классификация – метод «многие против многих».

Если решается бинарная логистическая регрессия, разницы между рассматриваемыми методами нет.

Добавить константу в модель

Чекбокс.

Выбор данного чекбокса добавит константу в модель.

L1

Ручной ввод.
Число больше или равное 0.
По умолчанию — 0,5.

Данный параметр задает значение L1-регуляризации.

L2

Ручной ввод.
Число больше или равное 0.
По умолчанию — 0,5.

Данный параметр задает значение L2-регуляризации.

Сид логистической регерессии

Ручной ввод числового значения.
По умолчанию — 42.

Начальное числовое значение для генератора случайных чисел.

Количество итераций

Ручной ввод.
Неотрицательное число.
По умолчанию — 100.

Данный параметр задает количество итераций, после достижения алгоритм останавливается.

Метод оптимизации

Раскрывающийся список со следующими значениями:

• lbfgs (по умолчанию),
• newton-cg,
• liblinear,
• sag,
• saga.

Данный параметр задает метод оптимизации. Предусмотрены следующие методы:

• lbfgs – использует вторую производную матрицу функции потерь для итерационной оптимизации функции потерь.
• newton-cg – использует алгоритм Newton-Conjugate-Gradient.
• liblinear – использует метод спуска оси координат для итеративной оптимизации функции потерь.
• sag – стохастический средний градиентный спуск.
• saga – использует улучшенную версию стохастического среднего градиентного спуска.

Метод liblinear доступен только при выборе бинарной классификации.
Методы newton-cg, lbfgs, sag и saga обрабатывают L2 или без штрафа. Методы liblinear и saga также обрабатывают штраф L1.
Метод saga также поддерживает штраф elasticnet (L1 + L2).
Для небольших наборов данных метод liblinear - хороший выбор, тогда как sag и saga быстрее для больших. 

В случае неправильно выставленных пользователем методов оптимизации, автоматически будет произведена замена.

Допустимая погрешность

Ручной ввод.
Неотрицательное число.
По умолчанию — 0,0001.

Данный параметр задает допустимую погрешность для оптимизации, после достижения которой алгоритм останавливается.