BigQueryML逻辑回归模型L1正则化(Lasso)参数取值问题咨询

BQML中用于指定L1正则化强度的参数逻辑和sklearn的alpha参数完全一致，均为非负浮点数，你可以按照以下逻辑取值：

• 基础规则：参数值越大，正则化强度越高，越容易将不重要特征的系数压缩为0；取值为0时等同于关闭L1正则化，和无正则的逻辑回归效果一致。
• 初始测试参考值：如果你没有明确的调优方向，可以先用sklearn默认的L1正则强度1作为初始值跑通流程，再根据模型效果调整。
• 手动调优范围：手动调参时优先在1e-8到10的对数区间选择候选值，推荐按数量级梯度测试：0.0001、0.001、0.01、0.1、1、10，可以快速锁定最优值的数量级范围。
• 自动调优方案：不想手动试值的话可以直接开启BQML自带的超参数调优功能，平台会自动搜索适配你的数据集的最优取值，参考语句如下：

CREATE MODEL `你的项目ID.你的数据集.模型名称`
OPTIONS(
  MODEL_TYPE = 'LOGISTIC_REG',
  INPUT_LABEL_COLS = ['标签列名'],
  L1_REG = HP_RANGE(0.0001, 10, 6), -- 代表在0.0001到10的区间内，按对数间隔取6个候选值测试
  NUM_TRIALS = 6,
  MAX_PARALLEL_TRIALS = 2
) AS
SELECT * FROM `你的训练数据表路径`

• 场景适配调整：如果你的数据集特征数量远大于样本量，或者需要通过L1正则实现特征筛选，可以适当提高参数值；如果出现模型训练集拟合不足、欠拟合的情况，就降低参数值即可。

内容的提问来源于stack exchange，提问作者Ryan