逻辑回归二分类

经典逻辑回归是一个二分类算法，支持稀疏及稠密数据格式。

仅支持通过可视化方式，配置读取该组件参数，参数详情如下表所示：

• 可视化方式

页签	参数	参数名称	是否必选	参数描述	默认值
数据源	表名	inputTable	是	数据表	无
默认参数	选择标签特征列	labelColName	是	输入表作为标签的列。	无
模型参数	选择惩罚项	penalty	是	包括L1和L2。l1正则化的损失函数不是连续可导的，而nettoncg, sag, lbfgs需要损失函数的一阶或二阶连续可导，支持l2。	L2
模型参数	优化算法停止的条件	tol	是	优化算法停止的条件。当迭代前后的函数差值小于等于tol时就停止。	0.0001
模型参数	正则化系数	C	是	值越小，正则化越强。	1
模型参数	是否含有常数项	fit_intercept	是	TRUE或FALSE，选择逻辑回归模型中是否会有常数项b。	TRUE
调优参数	用于标示分类模型中各种类型的权重	class_weight	是	balanced,类库根据训练样本量来计算权重。某种类型的样本量越多，则权重越低。	balanced
调优参数	逻辑回归损失函数的优化方法	solver	是	liblinear,使用坐标轴下降法来迭代优化损失函数。只支持OvR。lbfgs,拟牛顿法的一种。利用损失函数二阶导数矩阵即海森矩阵来迭代优化损失函数。newtoncg,牛顿法的一种。sag,随机平均梯度下降。每次迭代仅仅用一部分的样本来计算梯度，适合于样本数据多的时候。	liblinear
调优参数	优化算法的迭代次数	max_iter	是	优化算法的迭代次数。	100
调优参数	子采样	multi_class	是	包括ovr和multinomial，multinomial即为MvM。若是二元逻辑回归，二者区别不大。	ovr