我正在尝试在scikit学习中训练一个逻辑回归模型,这需要很长的时间,大约2个小时。数据集的大小是21613 x 19。我刚开始学习scikit,因此我不知道我的代码是否错误,或者它只是需要很长时间才能训练。任何关于如何提高训练速度的建议都将不胜感激!用于训练的代码如下from sklearn.linear_model import LogisticRegression# training the model
我想知道在sklearn分类器中是否有使用某些超参数进行拟合的选择,并且在改变了几个超参数后,通过节省计算( fit )成本来修改模型。假设Logistic回归适合使用C=1e5 (logreg=linear_model.LogisticRegression(C=1e5)),我们只将C改为C=1e3。