人工智能机器学习：如何解决Solver lbfgs supports only 'l2' or 'none' penalties, got l1 penalty？

sklearn0.22版本，用以下代码建立逻辑回归模型

lr = LogisticRegression(C = c_param, penalty = 'l1')

正则化惩罚选择'L1'报错，一脸懵C

嗯，还是打印一下Ir看一下参数

LogisticRegression(C=0.01, class_weight=None, dual=False, fit_intercept=True,
                   intercept_scaling=1, l1_ratio=None, max_iter=100,
                   multi_class='auto', n_jobs=None, penalty='l1',
                   random_state=None, solver='lbfgs', tol=0.0001, verbose=0,
                   warm_start=False)

问题就出现在solver这个参数上，这个参数定义的是分类器，‘newton-cg’，‘sag’和‘lbfgs’等solvers仅支持‘L2’regularization，‘liblinear’ solver同时支持‘L1’、‘L2’regularization，若dual=Ture，则仅支持L2 penalty。

决定惩罚项选择的有2个参数：dual和solver，如果要选L1范数，dual必须是False，solver必须是liblinear

问题搞清楚了，把上面代码改成：

lr = LogisticRegression(C = c_param, penalty = 'l1',solver='liblinear')