sklearn机器学习模型梳理

在学习《python 机器学习》之后，针对scikit-learn库做一些笔记，写的不对的还请大佬指教：

一.最简单的机器学习模型：K邻近

1. K邻近分类：from sklearn.neighbors import KNeighborsClassifier
2. K邻近回归：from sklearn.neighbors import KNeighborsRegressor

      主要参数：邻居个数：n_neighbors

二.用于回归的线性模型：

1. 线性回归（又名普通最小二乘法，OLS）：from sklearn.linear_model import LinearRegression。
2. Ridge岭回归（在线性回归上加上了L2正则化约束防止过拟合）：from sklearn.linear_model import Ridge,   重要参数：alpha(值越大，约束越强，模型复杂度也越小，泛化能力也越好，但在训练集上性能差），solver='sag'(数据上十万甚至百万时使用）。
3. Lasso回归(使用L1正则化，自动化的特征选择,当有用的特征不多时使用）：from sklearn.linear_model import Lasso