如何从 LogisticRegressionCV 和 GridSearchCV 获得可比较且可重复的结果

我想用不同的参数对不同的分类器进行评分。

为了加速LogisticRegression I use LogisticRegressionCV（至少快 2 倍）并计划使用GridSearchCV为他人。

但问题是它给了我平等C参数，但不是AUC ROC得分。

我会尝试修复许多参数，例如scorer, random_state, solver, max_iter, tol... 请看例子（真实数据无所谓）：

测试数据及公共部分：

from sklearn import datasets
boston = datasets.load_boston()
X = boston.data
y = boston.target
y[y <= y.mean()] = 0; y[y > 0] = 1

import numpy as np
from sklearn.cross_validation import KFold
from sklearn.linear_model import LogisticRegression
from sklearn.grid_search import GridSearchCV
from sklearn.linear_model import LogisticRegressionCV

fold = KFold(len(y), n_folds=5, shuffle=True, random_state=777)

网格搜索简历

grid = {
    'C': np.power(10.0, np.arange(-10, 10))
     , 'solver': ['newton-cg']
}
clf = LogisticRegression(penalty='l2', random_state=777, max_iter=10000, tol=10)
gs = GridSearchCV(clf, grid, scoring='roc_auc', cv=fold)
gs.fit(X, y)

print ('gs.best_score_:', gs.best_score_)

gs.best_score_：0.939162082194

Logistic回归CV

searchCV = LogisticRegressionCV(
    Cs=list(np.power(10.0, np.arange(-10, 10)))
    ,penalty='l2'
    ,scoring='roc_auc'
    ,cv=fold
    ,random_state=777
    ,max_iter=10000
    ,fit_intercept=True
    ,solver='newton-cg'
    ,tol=10
)
searchCV.fit(X, y)

print ('Max auc_roc:', searchCV.scores_[1].max())

最大auc_roc：0.970588235294

Solver newton-cg仅用于提供固定值，其他也尝试过。 我忘记了什么？

附：在这两种情况下我也收到警告“/usr/lib64/python3.4/site-packages/sklearn/utils/optimize.py:193：UserWarning：行搜索失败 warnings.warn('行搜索失败')“我也无法理解。如果有人也描述它的含义，我会很高兴，但我希望它与我的主要问题无关。

编辑更新

通过 @joeln 评论添加max_iter=10000 and tol=10参数也。它不会改变任何数字的结果，但警告消失了。

这是一份汤姆的回答 https://github.com/scikit-learn/scikit-learn/issues/6619#issuecomment-205222633在 scikit-learn 问题跟踪器上：

LogisticRegressionCV.scores_给出所有折叠的分数。GridSearchCV.best_score_给出所有折叠的最佳平均分数。

要获得相同的结果，您需要更改代码：

print('Max auc_roc:', searchCV.scores_[1].max())  # is wrong
print('Max auc_roc:', searchCV.scores_[1].mean(axis=0).max())  # is correct

也可以使用默认的tol=1e-4而不是你的tol=10, I get:

('gs.best_score_:', 0.939162082193857)
('Max auc_roc:', 0.93915947999923843)

剩余的（小）差异可能来自于热启动LogisticRegressionCV（这实际上使它比GridSearchCV).