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

Seed

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