模型的一些通用方法:
lg = LinearRegression()
lg.fit(X,y)
lg.coef_ lg.intercept_
lg.predict(X_new)
get_params([deep]):返回模型的参数。
- deep: 如果为True,则可以返回模型参数的子对象。
set_params(**params):设置模型的参数。
- params:待设置的关键字参数。
fit(X,y[,sample_weight]):训练模型。
- X :训练集样本集合。通常是一个numpy array,每行代表一个样本,每列代表一个特征。
- y :训练样本的标签集合。它与X 的每一行相对应。
- sample_weight: 每个样本的权重。它与X 的每一行相对应。
predict(x): 利用模型执行预测。返回一个预测结果序列。
- X:测试集样本集合。通常是一个numpy array,每行代表一个样本,每列代表一个特征。
score(X,y[,sample_weight]):对模型进行评估,返回模型的性能评估结果。
- X:验证集样本集合。通常是一个numpy array,每行代表一个样本,每列代表一个特征。
- y:验证集样本的标签集合。它与X 的每一行相对应。
- sample_weight: 每个样本的权重。它与X 的每一行相对应。
sklearn 回归 算法 最小二乘法
最新推荐文章于 2023-10-28 20:33:33 发布