sklearn.svm.l1_min_c¶
sklearn.svm.l1_min_c(X, y, *, loss='squared_hinge', fit_intercept=True, intercept_scaling=1.0)
返回在(l1_min_C, infinity)范围内保证模型不为空的C的最小值，这适用于l1惩罚分类器，例如惩罚系数='l1'的LinearSVC和惩罚系数='l1'的linear_model.LogisticRegression
如果在fit（）中没设置class_weight参数，则此值有效。
| 参数 | 说明 |
|---|---|
| X | 形如(n_samples, n_features)的数组或者稀疏矩阵 训练向量，其中n_samples为样本数量，n_features为特征数量 |
| y | 形如(n_samples,)的数组 X的目标向量 |
| loss | {‘squared_hinge’, ‘log’}, 默认=’squared_hinge’ 指定损失函数。“ squared_hinge”是指hinge loss函数的平方（也称为L2损失函数），而“ log”是逻辑回归模型的损失函数。 |
| fit_intercept | 布尔值, 默认=True 指定截距是否应由模型拟合。它必须与fit（）方法参数匹配。 |
| intercept_scaling | 浮点型, 默认=1.0 当fit_intercept为真时，实例向量x变为[x, intercept_scaling]，即在实例向量上附加一个定值为intercept_scaling的“合成”特征。它必须匹配fit()方法参数。 |
| 返回值 | 说明 |
|---|---|
| l1_min_c | C的最小值 |
