选择模型，配置参数，观察训练过程
逻辑回归将输入特征加权求和，通过 Sigmoid 函数映射为 0~1 之间的概率
控制正则化强度。C 值越大，正则化越弱，模型越容易拟合训练数据（可能过拟合）；C 值越小，正则化越强，模型越平滑
优化算法的最大迭代次数。若训练出现收敛警告，可增大此值
求解最优权重的优化算法。L-BFGS 是默认选择；Liblinear 支持 L1 正则化；SAGA 适用于大数据集
L2 正则化使权重均匀分散；L1 正则化使不重要特征权重归零（自动特征选择）；无正则化可能过拟合
训练集: 624 条
测试集: 267 条