Scikit-Learn

verbose
: integer, 
default = 0 
It represents the verbosity level. Its default value is 0. 
epsilon
: 
float, 
default = 0.1
This parameter specifies the width of the insensitive region. If loss = 
‘epsilon-insensitive’, any difference, between current prediction and the 
correct label, less than the threshold would be ignored.
max_iter
: 
int, 
optional, default = 
1000 
As name suggest, it represents the maximum number of passes over the 
epochs i.e. training data. 
warm_start
: bool, 
optional, default = 
false 
With this parameter set to True, we can reuse the solution of the previous 
call to fit as initialization. If we choose default i.e. false, it will erase the 
previous solution.
random_state
: int, 
RandomState 
instance or None, 
optional, default = 
none 
This parameter represents the seed of the pseudo random number 
generated which is used while shuffling the data. Followings are the 
options: 

int: In this case, 
random_state
is the seed used by random 
number generator. 

RandomState instance: In this case, 
random_state
is the random 
number generator.

None: In this case, the random number generator is the 
RandonState instance used by np.random.
n_jobs
: int or none, 
optional, Default = 
None 
It represents the number of CPUs to be used in OVA (One Versus All) 
computation, for multi-class problems. The default value is none which 
means 1. 

---

Scikit-Learn
59 
learning_rate
: 
string, 
optional, 
default = ‘optimal’
 

If learning rate is ‘constant’, eta = eta0; 

If learning rate is ‘optimal’, eta = 1.0/(alpha*(t+t0)), where t0 is 
chosen by Leon Bottou; 

If learning rate = ‘invscalling’, eta = eta0/pow(t, power_t). 

If learning rate = ‘adaptive’, eta = eta0. 
eta0
: 
double, 
default = 0.0 
It represents the initial learning rate for above mentioned learning rate 
options i.e. ‘constant’, ‘invscalling’, or ‘adaptive’.