sklearn 回归 算法 最小二乘法

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。