sklearn LinearReggression

最新推荐文章于 2022-04-06 16:20:43 发布

destiny_block

最新推荐文章于 2022-04-06 16:20:43 发布

阅读量421

点赞数

分类专栏： sklearn 文章标签： scipy python

本文链接：https://blog.csdn.net/destiny_block/article/details/105065441

版权

sklearn linear_model:线性模块

1、调用方法

class sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=None)

参数	含义
fit_intercept	（bool, default=True）是否计算此模型的截距。
normalize	（bool, default=False）当fit_intercept 为False时将忽略此参数。如果为True，则将特征矩阵X在进入回归之前将会被减去均值（中心化）并除以L2范式（缩放）。
copy_X	（bool, default=True）是否在原特征矩阵上进行操作
n_jobs	（int or None, default = None）作业数

属性	含义
coef_	数组，形状为 (n_features, )或者(n_targets, n_features) — 线性回归方程中估计出的系数。如果在fit中传递多个标签（当y为二维或以上的时候），则返回的系数是形状为（n_targets，n_features）的二维数组，而如果仅传递一个标签，则返回的系数是长度为n_features的一维数组
intercept	数组，线性回归中的截距

关注