在使用sklearn.linear_model.LogisticRegression拟合训练数据集后，我想获取训练数据集和交叉验证数据集的成本函数值。

是否有可能让sklearn直接提供它所最小化的函数在拟合最小值时的值？

文档中提到了这个函数，网址为http://scikit-learn.org/stable/modules/linear_model.html#logistic-regression（取决于所选择的正则化方法）。但我找不到如何让sklearn给我这个函数的值。

我原本以为LogisticRegression.score就是做这个的，但它只是返回准确率（预测正确分类的数据点比例）。

我找到了sklearn.metrics.log_loss，但显然这不是正在最小化的实际函数。

回答：

遗憾的是，没有“简单”的方法可以做到这一点，但有一个私有函数_logistic_loss(w, X, y, alpha, sample_weight=None)在https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/logistic.py中，因此你可以手动调用它

from sklearn.linear_model.logistic import _logistic_lossprint _logistic_loss(clf.coef_, X, y, 1 / clf.C)

其中clf是你训练好的LogisticRegression模型