1.1 LinearRegression
LinearRegression
(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)
fit_intercept是否进行拦截计算,默认为是,不懂啥意思
normalize是否标准化处理
copy_X是否拷贝数据
n_jobs任务个数??
方法
predict(X) 使用训练得到的估计器对输入为X的集合进行预测。
score(X, y[,]sample_weight) 返回对于以X为samples,以y为target的预测效果评分。
set_params(**params) 设置估计器的参数
1.2 linear_model.Ridge
带有l2正则化的线性最小二乘,损失函数是线性最小二乘函数,并且正则化由l2范数给出
class sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True, normalize=False, copy_X=True, max_iter=None, tol=0.001, solver='auto', random_state=None)
alpha正则化的约束强度,当 alpha 为 0 时算法等同于普通最小二乘法;
fit_intercept是否进行拦截计算,默认为是,不懂啥意思
normalize 标准化选项默认为否
copy_X是否创建副本,默认创建,否则被覆盖
tol 求解精度
solver 求解方法选择
方法
- fit(X,y [,sample_weight])Fit Ridge回归模型
- get_params([deep])获取此估计器的参数。
- predict(X)使用线性模型进行预测
- score(X,y [,sample_weight])返回预测的确定系数R ^ 2。
- set_params(\ * \ * params)设置此估计器的参数。