我正在参加Kaggle的旧金山犯罪竞赛，目前正在尝试多种不同的分类器来测试基准性能。我使用了来自sklearn的LogisticRegressionClassifier，没有进行任何参数调整，我从sklearn.metrics.classification_report中注意到，它只预测主要类别，即在我的训练集中出现次数最多的类别。

直觉告诉我这可能与参数调整有关，但我不知道应该调整哪些参数来使分类器更能识别不太常见的类别（LogisticRegressionClassifier有很多参数）。目前它只预测了38个类别中的3个左右，所以肯定需要改进。

有什么建议吗？

回答：

如果你的模型只分类主要类别，那么你面临的是类别不平衡的问题。这里有一些不错的阅读材料来解决机器学习中的这一问题。

逻辑回归是一个二元分类器，使用一对多或一对一技术进行多类分类，如果你的输出类别较多（在你的情况中有33个），这种方法并不理想。尝试使用其他分类器。首先，可以使用softmax分类器，这是逻辑分类器的扩展，支持多类分类。在scikit-learn中，将multi_class变量设置为multinomial以使用softmax回归。

改进模型的另一种方法可以是使用GridSearch进行参数调整。

顺便提一下，我建议你也尝试其他模型。