如何使用基于l1和l2正则化的logistic回归？

Question

最近我把我的代码从R复制到Python，我确实需要一些关于代码的帮助。据我所知，sklearn中的logistic回归只包含l1或l2正则化项，分别代表套索回归和岭回归。然而，实现l1和l2正则化项，即ElasticNet可能更好。你知道吗

在R的例子中，有一个值得注意的包glmnet可以完美地部署上述思想，而python中的包glmnet似乎只支持Linux系统而不是我的计算机中的windows10（请参考this） 此外，如果包能够可视化结果（例如收缩路径），效果会更好

#logtistic with penalty terms in sklearn
from sklearn.linear_model import LogisticRegression

LogisticRegression(C=0.1,random_state=seed,penalty='l1')
LogisticRegression(C=0.1,random_state=seed,penalty='l2')

Answer 1

sklearn.linear_model.SGDClassifier(loss='log', penalty='elasticnet')