python - Scikit LogisticRegression 无法学习 or 和布尔函数

Question

scikit-learn 中实现的 LogisticRegression 似乎无法学习简单的布尔函数 AND 或 OR。我会理解 XOR 给出不好的结果，但 AND 和 OR 应该没问题。难道我做错了什么？

from sklearn.linear_model import LogisticRegression, LinearRegression
import numpy as np

bool_and = np.array([0., 0., 0., 1.])
bool_or  = np.array([0., 1., 1., 1.])
bool_xor = np.array([0., 1., 1., 0.])


x = np.array([[0., 0.],
              [0., 1.],
              [1., 0.],
              [1., 1.]])

y = bool_and
logit = LogisticRegression()
logit.fit(x,y)

#linear = LinearRegression()
#linear.fit(x, y)

print "expected: ", y
print "predicted:", logit.predict(x)
#print linear.predict(x)

给出以下输出：

expected:  [0 0 0 1]
predicted: [0 0 0 0]

Answer 1

这个问题似乎与正则化有关。以下使分类器工作：

logit = LogisticRegression(C=100)

不幸的是，文档有点稀疏，所以我不确定C参数的范围是多少。