Wie geht Python Scikit Learn mit dem Problem der linearen Trennung bei der logistischen Regression um?

Es gibt bereits Beiträge zu Warnungen von R, die sich mit logistischer Regression und linearer Trennung wie dieser befassen . Ich möchte nur sicherstellen, dass in Python Scikit Learn dieses Problem durch den L1 / L2-Regularisierungsteil in der Optimierungsfunktion gelöst wird. Mit anderen Worten, es ist sicher zu sagen, dass Benutzer keine unendlichen Warnungen zu MLE-Schätzungen erhalten sklearn.linear_model.LogisticRegression.

Ja, sklearn.linear_model.LogisticRegressionverwendet eine bestrafte logistische Regression, die das Problem der perfekten Trennung "löst". Wenn Sie Cetwas zu groß einstellen , können Sie dennoch schlechte Ergebnisse erzielen.