2021-03-24--线性回归

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