我阅读了scikit-learn包的网页：
我可以使用逻辑回归来拟合数据，并且在获得LogisticRegression实例后，我可以用它来对新数据点进行分类。到目前为止，一切顺利。
但是，有没有办法设置LogisticRegression()实例的系数呢？因为在获得训练后的系数后，我希望使用相同的API来对新数据点进行分类。
或者，有人推荐其他Python机器学习包，具有更好的API吗？
谢谢
回答：
确实，estimator.coef_ 和 estimator.intercept_ 属性是只读的Python属性，而不是常规的Python属性。它们的数值来自于 estimator.raw_coef_ 数组，该数组的内存布局直接映射到底层 liblinear C++ 逻辑回归实现的预期内存布局，以便在调用 estimator.predict 或 estimator.predict_proba 时避免任何参数的内存复制。
我同意只读属性是一个限制，我们应该找到一种方法来摆脱这些属性，但如果我们重构这个实现，我们也应该注意不要引入任何不必要的内存复制，这在快速查看源代码后并不容易做到。
我已经在跟踪器上开了一个问题，以免忘记这个限制。
在此期间，您可以阅读带有 @property 注解的 estimator.coef_ 方法，以了解 estimator.coef_ 和 estimator.raw_coef_ 之间的关系，并直接更改 estimator.raw_coef_ 中的值。
