ValueError：求解器 lbfgs 仅支持“l2”或“无”惩罚，得到 l1 惩罚

Question

我正在运行分类问题的特征选择过程，使用嵌入式方法（L1 - 套索）和 LogisticRegression。

我正在运行以下代码：

 from sklearn.linear_model import Lasso, LogisticRegression
from sklearn.feature_selection import SelectFromModel

# using logistic regression with penalty l1.
selection = SelectFromModel(LogisticRegression(C=1, penalty='l1'))
selection.fit(x_train, y_train)

但是我遇到异常（在 fit 命令上）：

    selection.fit(x_train, y_train)
   File "C:\Python37\lib\site-packages\sklearn\feature_selection_from_model.py", line 222, in fit
   self.estimator_.fit(X, y, **fit_params)
   File "C:\Python37\lib\site-packages\sklearn\linear_model_logistic.py", line 1488, in fit
   solver = _check_solver(self.solver, self.penalty, self.dual)
   File "C:\Python37\lib\site-packages\sklearn\linear_model_logistic.py", line 445, in _check_solver
   "got %s penalty." % (solver, penalty))
   ValueError: Solver lbfgs supports only 'l2' or 'none' penalties, got l1 penalty.

我在 python 3.7.6 和 s scikit-learn version is 0.22.2.post1 下运行

出了什么问题，我该如何解决？

原文由 user3668129 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

这在 文档 中得到了澄清。

求解器： {‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’}, default=‘lbfgs’

…

• ‘newton-cg’、’lbfgs’、’sag’ 和 ‘saga’ 处理 L2 或无惩罚

• ‘liblinear’ 和 ‘saga’ 也处理 L1 惩罚

像这样称呼它：

 LogisticRegression(C=1, penalty='l1', solver='liblinear')

原文由 Arya McCarthy 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

只需尝试指定您要使用的求解器，然后错误就会消失。 l1 支持 ‘liblinear’ 和 ‘saga’ L2 处理 newton-cg’、’lbfgs’、’sag’ 和 ‘saga’

 clf = LogisticRegression(C=0.01, penalty='l1',solver='liblinear');

原文由 CreatorGhost 发布，翻译遵循 CC BY-SA 4.0 许可协议