逻辑回归调优关键在于数据预处理、正则化调节、评估指标选择与特征工程。需标准化、独热编码、合理填充缺失值；用GridSearchCV调C参数；重视AUC与概率校准；通过非线性变换和领域特征提升效果。
逻辑回归虽是基础模型，但调优得当也能在许多二分类任务中表现稳健。关键不在“堆参数”，而在于理解每个环节对最终效果的影响逻辑。
数据预处理：别让脏数据拖垮模型
逻辑回归对输入特征敏感，尤其不能容忍缺失值和量纲差异大的数值特征。
- 缺失值建议用中位数（数值型）或众数（类别型）填充，避免直接删除样本损失信息
- 必须做标准化（StandardScaler），因为逻辑回归的损失函数依赖于特征权重与输入的线性组合，量纲不一会导致梯度更新失衡
- 类别型变量需独热编码（One-Hot），但高基数特征要考虑是否先做目标编码或分组降维，否则容易引发维度灾难和过拟合
正则化选择与强度调节：平衡偏差与方差
sklearn的LogisticRegression默认使用L2正则（penalty='l2'），这是最常用也最稳妥的选择；L1（penalty='l1'）适合特征筛选，但需搭配solver='liblinear'或'saga'才能支持。
- C参数控制正则强度：C越小，正则越强，模型越简单；C越大，正则越弱，模型越贴近训练数据
- 用GridSearchCV或HalvingGridSearchCV配合stratified k-fold交叉验证来搜C（比如np.logspace(-3, 3, 20)），比手动试更可靠
- 观察训练集/验证集的准确率与AUC变化趋势——若训练AUC远高于验证AUC，说明C太小（欠拟合）；若两者接近但都偏低，可能是C太大（过拟合）或特征本身区分能力弱
评估不止看准确率：聚焦业务可解释指标
逻辑回归的优势之一是输出概率，这决定了评估必须跳出准确率陷阱。
立即学习“Python免费学习笔记（深入）”；
- 优先看AUC-ROC，它不依赖分类阈值，反映模型整体判别能力
- 结合业务需求调整决策阈值：比如风控场景更关注召回率（查全率），可用precision_recall_curve找F1最高点；医疗初筛可能更怕漏诊，就提高阈值保高召回
- 画出校准曲线（calibration curve）检验预测概率是否靠谱——如果曲线明显偏离对角线，说明概率输出偏置，可考虑加isotonic或sigmoid校准
特征工程补强：小改动常有大提升
逻辑回归是线性模型，但它能很好利用人工构造的非线性特征。
- 尝试多项式特征（PolynomialFeatures，degree=2），但注意控制交互项数量，避免爆炸式增长
- 对长尾数值特征做log、sqrt变换，缓解偏态分布对线性假设的冲击
- 把时间类字段拆解为星期几、是否节假日、小时段等离散信号，比原始时间戳更有意义
- 慎用PCA降维——虽然能压缩特征，但会破坏逻辑回归的可解释性，除非纯粹追求效果且不关心特征重要性
基本上就这些。逻辑回归调优不复杂但容易忽略细节，真正起作用的往往是标准化是否到位、C值是否适配数据规模、以及阈值是否贴合实际场景。跑通流程后，多对比几组C和特征组合，结果往往比换模型更实在。
