sklearn linear_model:线性模块
一、LinearReggression
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 |