PySpark：Logistic回归Elastic Net正则化

Question

PySpark的Logistic回归接受一个elasticNetParam参数。如果我把这个参数设为0.2，它意味着什么？它是指l1的0.2和{}的{}，还是相反？在

另外，我一直在尝试使用sklearn复制PySpark的结果。为此，我使用sklearn的SGDClassifier。在

这是我用来初始化PySpark Logistic回归模型的参数字典

{'elasticNetParam': 0.41880231596887807, 
'regParam': 0.05816730909769129, 
'threshold': 0.4011073540317653,
'maxIter': 21.0}

这是我用在sklearn的SGD分类器上的

^{pr2}$

这两个参数字典是等价的吗？还是应该将l1_ratio改为(1-0.41880231596887807)？在

关于max_iter，由于训练方法的不同，我考虑将其乘以行数。我知道我不会得到确切的结果，我正在寻找类似的结果。可以接受+/-0.01的差值。但目前，这一差距大约是-0.05，我正在努力弥补这一差距。在

Answer 1

从pyspark ml v2.1.0文档中：

elasticNetParam = Param(parent='undefined', name='elasticNetParam', doc='the ElasticNet mixing parameter, in range [0, 1]. For alpha = 0, the penalty is an L2 penalty. For alpha = 1, it is an L1 penalty.')

因此，您应该将l1_ratio更改为(1-0.41880231596887807)。在

但即便如此，我认为你可能会在pyspark和scikitlearn之间得到不同的结果，因为它们的random_state和{}参数。在