参数:
alpha :α值。
fit_intercept:一个布尔值,制定是否需要b值。
max_iter:一个整数,指定最大迭代数。
normalize:一个布尔值。如果为True,那么训练样本会在回归之前会被归一化。
copy_X:一个布尔值。如果为True,会复制X,否则会覆盖X。
tol:一个浮点数,指定判断迭代收敛与否的一个阈值。
warm_start:一个布尔值。如果为True,那么使用前一次训练结果继续训练,否则从头开始训练。
positive:一个布尔值。如果为True,那么强制要求权重向量的分量都为整数。
selection:一个字符串,可以选择‘cyclic’或者‘random’。它指定了当每轮迭代的时候,选择权重向量的哪个分量来更新。
- ‘ramdom’:更新的时候,随机选择权重向量的一个分量来更新。
- ‘cyclic’:更新的时候,从前向后一次选择权重向量的一个分量来更新。
random_state:一个整数或者一个RandomState实例,或者None。
- 如果为整数,则它指定了随机数生成器的种子。
- 如果为RandomState实例,则指定了随机数生成器。
- 如果为None,则使用默认的随机数生成器。
返回值
coef_:权重向量。
intercept:b值。
n_iter_:实际迭代次数。
方法
fix(X,y[,sample_weight]):
训练模型。
predict(X):用模型进行预测,返回预测值。
score(X,y[,sample_weight]):返回预测性能的得分,不大于1,越大效果越好。
set_params(** params): 设置此估计器的参数。