弹性网络 Logistic 回归的默认参数大家好，
我在学校时曾经使用 JMP 进行数据挖掘，但从那时起就改用 Python。我最近使用 JMP 用我的数据构建了 Elastic Net Logistic 回归，因为它的输出更直观。我尝试使用“SGDClassifier 函数”在 python 中复制我的结果，但我的结果很差。我相信可能是因为这个函数需要指定几个参数，例如 alpha、L1 比率、“自适应”模型的初始学习率等。有人知道 JMP 的弹性网络回归的默认设置吗？ 我知道 alpha 是 0.9，但我不确定其他的。
预先感谢您的任何帮助！
python函数的相关资料：
Python 中的 SGDClassifier 函数
回复：弹性网络逻辑回归的默认参数参数和超参数取决于数据。 一种方法是要求用户提供所有起始值。 另一种方法是使用启发式方法和默认值开始。 JMP 使用第二种方式，因为它减轻了用户的负担。
不同的软件开发人员和用户可能对给定过程使用不同的启发式方法和默认值。 我认为这种差异没有实际意义，因为您可以更改起始值以适合您的偏好或目的。
在某些程序中，JMP 使用了基于模拟的广泛研究来确定最佳默认值。 仍然存在默认值不合适或不合适的情况。
回复：弹性网络逻辑回归的默认参数我不同意。我越来越发现软件中的默认设置非常重要——要设置的参数太多了，好的默认设置意义重大。所以，我很想比较不同程序之间的默认值。这可能是使用什么软件程序的重要考虑因素。虽然我是一个忠诚而快乐的 JMP 用户，但现实情况是，世界正越来越多地转向开源软件，而且常常相信它是“免费的”。但它不是免费的 - 成本涉及（除其他外）问题被询问的这些非常默认的设置。因此，我有兴趣查看问题的答案以及查看提问者正在尝试的比较。
回复：弹性网络逻辑回归的默认参数我理解你的问题，但它基本上归结为一个问题：
“谁能告诉我 JMP 的默认参数，这样我就不用再使用 JMP 了吗？”对于 JMP Discssion Group，这似乎不是一个合适的问题
回复：弹性网络逻辑回归的默认参数好吧，我更想问是否有人知道 JMP 中的这些默认参数是什么，以便我可以将其应用于我的 python 函数，因为我正在尝试复制 JMP 提供的结果回复：弹性网络逻辑回归的默认参数由于您遇到 Python 问题，我相信您应该向 Python 用户讨论组寻求帮助。
