Como corrigir a não convergência no LogisticRegressionCV


13

Estou usando o scikit-learn para executar uma regressão logística com validação cruzada em um conjunto de dados (cerca de 14 parâmetros com> 7000 observações normalizadas). Eu também tenho um classificador de destino que tem um valor de 1 ou 0.

O problema que tenho é que, independentemente do solucionador usado, continuo recebendo avisos de convergência ...

model1 = linear_model.LogisticRegressionCV(cv=10,verbose=1,n_jobs=-1,scoring='roc_auc',solver='newton-cg',penalty='l2')

/home/b/anaconda/lib/python2.7/site-packages/scipy/optimize/linesearch.py:285: LineSearchWarning: The line search algorithm did not converge
  warn('The line search algorithm did not converge', LineSearchWarning)
/home/b/anaconda/lib/python2.7/site-packages/sklearn/utils/optimize.py:193: UserWarning: Line Search failed


model2 = linear_model.LogisticRegressionCV(cv=10,verbose=1,n_jobs=-1,scoring='roc_auc',solver='sag',penalty='l2')

max_iter reached after 2 seconds
max_iter reached after 2 seconds
max_iter reached after 2 seconds
max_iter reached after 2 seconds
max_iter reached after 2 seconds
max_iter reached after 2 seconds
max_iter reached after 2 second

model3 = linear_model.LogisticRegressionCV(cv=10,verbose=1,n_jobs=-1,scoring='roc_auc',solver='lbfgs',penalty='l2')

/home/b/anaconda/lib/python2.7/site-packages/sklearn/linear_model/logistic.py:701: UserWarning: lbfgs failed to converge. Increase the number of iterations.
  warnings.warn("lbfgs failed to converge. Increase the number "

model4 = linear_model.LogisticRegressionCV(cv=10,verbose=1,n_jobs=-1,scoring='roc_auc',solver='liblinear',penalty='l2')

    cg reaches trust region boundary
iter 18 act 1.382e+06 pre 1.213e+06 delta 1.860e+01 f 7.500e+06 |g| 1.696e+06 CG   8
iter  2 act 1.891e+06 pre 1.553e+06 delta 1.060e-01 f 1.397e+07 |g| 1.208e+08 CG   4
iter  4 act 2.757e+04 pre 2.618e+04 delta 1.063e-01 f 1.177e+07 |g| 2.354e+07 CG   4
iter 18 act 1.659e+04 pre 1.597e+04 delta 1.506e+01 f 7.205e+06 |g| 4.078e+06 CG   4
cg reaches trust region boundary
iter  7 act 1.117e+05 pre 1.090e+05 delta 4.146e-01 f 1.161e+07 |g| 9.522e+05 CG   4
iter 31 act 1.748e+03 pre 1.813e+03 delta 2.423e+01 f 6.228e+05 |g| 5.657e+03 CG  14

O que preciso fazer para parar de receber os avisos?


Eu me pergunto se este é um caso de separação perfeita ou quase .
Sycorax diz Restabelecer Monica

Respostas:


13

Você pode começar aplicando a sugestão do programa para aumentar o max_iterparâmetro; mas lembre-se de que também é possível que seus dados simplesmente não possam ser ajustados por um modelo logístico.


2
Eu tive que aumentar o max_tr até 4000, mas funcionou. Obrigado!
user3188040

@ user3188040 Quanto tempo você levou para executar?
Dave Liu

Sou um novato no scikit. Como "bump" max_tr (max_iter?) Para 4000?
Ron Jensen - Estamos todos Monica

Você pode alterar o valor de max_iter ao criar um objeto LogisticRegression. model1 = linear_model.LogisticRegressionCV (max_iter = 4000)
psychonomics
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.