class sklearn.linear_model的简单应用，直接贴代码

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

decision_function(X)   对训练数据X进行预测

fit(X, y[, n_jobs])  对训练集X, y进行训练。

get_params([deep])  得到该估计器(estimator)的参数。

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

# We evaluate the x and y by sklearn to get a sense of the coefficients.
reg = linear_model.LinearRegression()
reg.fit(x_data, y_data)
print("Coefficients of sklearn: K=%s, b=%f" % (reg.coef_, reg.intercept_))
print(reg.predict(test_data_x))
#li_db.append(reg.predict(test_data_x))
print(test_data_y)
print(reg.score(test_data_x,test_data_y))

predict=reg.predict(test_data_x)

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。

from sklearn import linear_model
# We evaluate the x and y by sklearn to get a sense of the coefficients.
reg = linear_model.Ridge (alpha = .05)
reg.fit(x_data, y_data)
print("Coefficients of sklearn: K=%s, b=%f" % (reg.coef_, reg.intercept_))
print(reg.predict(test_data_x))
print(test_data_y)
print(reg.score(test_data_x,test_data_y))
predict=reg.predict(test_data_x)