是否有方法可以使用tanh运行sklearn的逻辑回归？

我知道当标签为{-1,1}时tanh更好，而当标签为{0,1}时sigmoid更好

如果我无法实现逻辑回归，将标签从{-1,1}转换为{0,1}是否能改善使用sigmoid激活函数的逻辑回归性能？

回答：

并没有所谓的当标签为{-1,1}时tanh更好，而当标签为{0,1}时sigmoid更好的说法。

最终，模型并不知道标签及其含义。它只是学习二元分类的概率分布。tanh(x)将输入映射到区间[-1, 1]，而sigmoid(x)将输入映射到区间[0, 1]。你所做的基本上是，将其视为概率，并说，如果输出大于0.5，则属于类1，否则属于0。（在使用sigmoid的情况下）

所以，是的，你可以将你的标签{-1,1}转换为{0,1}，甚至转换为{9,10}