线性回归–监督学习
超参数
linear_model.LinearRegression
fit_intercept–是否计算截距,默认计算
normalize–是否标准化,默认不做
copy_x–是否对x肤质,如果为false,则经过中心化,标准化后,吧新数据覆盖到原数据上
n_job–计算时设置的任务个数
属性:
coef_:得到的feature的系数
intercept——截距,线性模型中的独立项
rank_:矩阵的秩
方法
fit
predict
score(模型评估,返回r^2系数,最优值为1,说明所有的数据都预测正确)
get_params()返回一个字典,键为参数名,值为估计器参数值
set_params 设置估计器的参数,可以修改参数重新训练
from sklearn.linear_model import LinearRegression
x=np.array([2,6])
y=np.array([3,5])
rfs=LinearRegression()
rfs.fit(x,y)
所以,线性回归的x一定是二维的矩阵