我正在尝试在我的数据集上运行多个多项式逻辑回归。每运行一个模型后，我试图将刚运行的模型添加到一个列表中，以便以后可以访问特定的模型。代码大致如下：

models = []for i in range(0, 10):  model = sklearn.linear_model.LogisticRegression()  model.fit(x,y)  models.append(model)

其中x和y在每次for循环迭代中是不同的。问题在于，最终数组”models”中每个元素的系数/模型，与该for循环的最后一次迭代是相同的。我认为这是因为我每次迭代只是在更新引用，而不是每次都创建一个新的逻辑回归模型。有人能指出更好的方法吗？

回答：

你可能对clone函数感兴趣。

sklearn.base.clone(estimator, *, safe=True)[source]

构建一个具有相同参数的未拟合估计器。Clone函数对估计器中的模型进行深拷贝，而不实际复制附加的数据。它生成一个具有相同参数但未在任何数据上拟合的新估计器。

from sklearn.base import clonemodel = LogisticRegression()new_model = clone(model)