彈性網絡邏輯回歸的默認參數大家好，
上學的時候用JMP做數據挖掘，後來改用Python了。我最近使用 JMP 使用我的數據構建彈性網絡邏輯回歸，因為它的輸出更直觀。我試圖使用“SGDClassifier 函數”在 python 中復制我的結果，但我的結果相去甚遠。我相信這可能是因為這個函數需要指定幾個參數，例如 alpha、L1 比率、“自適應”模型的初始學習率等。有人知道 JMP 的彈性網絡回歸的默認設置嗎？ 我知道 alpha 是 0.9，但我不確定其他的。
預先感謝您的任何幫助！
python函數的相關資料：
Python 中的 SGDClassifier 函數
回复：彈性網絡邏輯回歸的默認參數參數和超參數取決於數據。 一種繼續進行的方法是要求用戶提供所有起始值。 另一種方法是使用啟發式方法和默認值作為開始。 JMP 使用第二種方式是因為它減輕了用戶的負擔。
不同的軟件開發人員和用戶可能對給定過程使用不同的啟發式算法和默認值。 我認為這種差異是沒有意義的，因為您可以更改起始值以適合您的偏好或目的。
在某些程序中，JMP 使用基於模擬的廣泛研究來確定最佳默認值。 仍然會有默認值不合適或最佳的情況。
回复：彈性網絡邏輯回歸的默認參數我不同意。我越來越發現軟件中的默認設置非常重要——要設置的參數太多，好的默認設置意義重大。所以，我很想比較不同程序之間的默認值。這可能是使用何種軟件程序的重要考慮因素。雖然我是一名忠誠且快樂的 JMP 用戶，但現實是世界越來越多地轉向開源軟件，而且往往相信它是“免費的”。但它不是免費的 - 成本涉及（除其他外）這些問題被問到的非常默認的設置。因此，我有興趣看到問題的答案以及提問者正在嘗試進行的比較。
回复：彈性網絡邏輯回歸的默認參數我理解你的問題，但基本上可以歸結為這個問題：
“誰能告訴我 JMP 默認參數，這樣我就不必再使用 JMP 了？”對於 JMP 討論組來說，這似乎不是一個合適的問題
回复：彈性網絡邏輯回歸的默認參數好吧，我更想問是否有人知道 JMP 中的這些默認參數是什麼，以便我可以將其應用於我的 python 函數，因為我正在嘗試複製 JMP 提供的結果回复：彈性網絡邏輯回歸的默認參數由於您遇到 Python 問題，我相信您應該向 Python 用戶討論組尋求幫助。
