问LogisticRegression() vs LogisticRegressionCV()及其Cs超参数

EN

我使用LogisticRegression()建立了一个模型，经过网格搜索，数据显示了正则化强度的逆值，C = .0000001是进行预测的“最佳”值。

这个参数对于LogisticRegression()很好，但是当我想要交叉验证时，我决定使用LogisticRegressionCV()，这里的等效c参数被表示为Cs，但是当我试图传递相同的变量Cs = .0000001时，我会得到一个错误：

    797     warm_start_sag = {"coef": np.expand_dims(w0, axis=1)}
    799 coefs = list()
--> 800 n_iter = np.zeros(len(Cs), dtype=np.int32)
    801 for i, C in enumerate(Cs):
    802     if solver == "lbfgs":

TypeError: object of type 'float' has no len()

当提到文档时，似乎对于LogisticRegressionCV()来说

如果Cs作为int，则在1e-4和1e4之间以对数标度选择Cs值的网格。

那么，我如何仍然输入一个Cs = .0000001的值？我不知道该怎么做。