人工智能機器學習：如何解決Solver lbfgs supports only 'l2' or 'none' penalties, got l1 penalty？

sklearn0.22版本，用以下代碼建立邏輯回歸模型

lr = LogisticRegression(C = c_param, penalty = 'l1')

正則化懲罰選擇'L1'報錯，一臉懵C

嗯，還是打印一下Ir看一下參數

LogisticRegression(C=0.01, class_weight=None, dual=False, fit_intercept=True,
                   intercept_scaling=1, l1_ratio=None, max_iter=100,
                   multi_class='auto', n_jobs=None, penalty='l1',
                   random_state=None, solver='lbfgs', tol=0.0001, verbose=0,
                   warm_start=False)

問題就出現在solver這個參數上，這個參數定義的是分類器，‘newton-cg’，‘sag’和‘lbfgs’等solvers僅支持‘L2’regularization，‘liblinear’ solver同時支持‘L1’、‘L2’regularization，若dual=Ture，則僅支持L2 penalty。

決定懲罰項選擇的有2個參數：dual和solver，如果要選L1范數，dual必須是False，solver必須是liblinear

問題搞清楚了，把上面代碼改成：

lr = LogisticRegression(C = c_param, penalty = 'l1',solver='liblinear')