运行sklearn LogisticRegression出现lbfgs收敛失败的ConvergenceWarning如何解决

这个警告是新版scikit-learn默认参数和原书写作时使用的旧版本参数不匹配导致的，不是代码逻辑错误，初学阶段可以按照下面的方法处理，不需要提前学习超出当前进度的复杂知识：

• 最贴合原书学习节奏的修改方式：给LogisticRegression补充最大迭代次数参数，把原代码中实例化模型的行替换为：

logreg = LogisticRegression(max_iter=1000).fit(X_train, y_train)

触发警告的核心原因是：新版sklearn中LogisticRegression默认使用lbfgs作为求解器，默认的最大迭代次数仅为100，针对乳腺癌数据集的特征计算复杂度，100次迭代达不到求解器的收敛阈值，把最大迭代次数提高到1000即可让模型正常完成收敛，警告会直接消失，最终计算得到的训练集、测试集准确率和原书给出的参考值完全一致，不会打乱原书的学习节奏。

• 可选优化方向（对应教材后续章节的知识点，初学阶段可暂时跳过）：乳腺癌数据集的不同特征数值尺度差异较大（部分特征取值范围在0-1，部分特征取值范围在0-1000以上），lbfgs求解器对特征尺度敏感度较高，先对特征做标准化预处理可以加快收敛速度，甚至不需要把迭代次数调到很高就能达到收敛要求。
• 不推荐初学阶段使用的处理方式：直接全局屏蔽所有警告。如果只是临时不想看到警告弹窗，可以通过代码逻辑过滤警告，但这种方式只是把提示信息隐藏了，没有从参数层面解决收敛不充分的问题，很容易让你错过参数适配的核心细节。

提示：只要你运行代码得到的训练集、测试集得分和原书给出的参考值偏差在0.01以内，就算暂时没处理警告，模型本身的计算结果也是完全可用的，不需要因为弹出警告就怀疑自己的代码写错了。

内容的提问来源于stack exchange，提问作者MaxRussell