sklearn 源码解析 基本线性模型 base.py

from __future__ import division
from abc import ABCMeta, abstractmethod: 有关实现抽象类的方法。
import numbers: 抽象基类层次结构，这些类不可被实例化。
import warnings

import numpy as np
import scipy.sparse as sp
from scipy import linalg
from scipy import sparse

from ..externals import six: 版本有关
from ..externals.joblib import Parallel, delayed:前者操纵多线程，后者用于捕获
      参数：
  EX:[delayed(sqrt)(i ** 3)for i in range(10)]
   要应用前者必须用后者生成捕获参数的形式。
from ..base import BaseEstimator, ClassifierMixin, RegressorMixin:
 这里Mixin类是为了解决多重继承的问题提出的，目的是为派生类提供
 可用的接口，而又不需要繁复的继承，即Minin类无实例化意义但有方法意义。
from..utils import check_array, check_X_y, deprecated, as_float_array
 deprecated(反对) decorator: 用于在装饰对象被调用时提供警告提示。
from ..utils.validation import FLOAT_DTYPES:
  (numpy.float64, numpy.float32, numpy.float16)
from ..utils import check_random_state:
 对设定的随机数状态进行更新。
from ..utils.extmath import safe_sprse_dot:
 正确处理稀疏矩阵的点乘函数，可见矩阵乘法的快速计算并非通过定义完成。
from ..utils.sparsefuncs import mean_variance_axis, inplace_column_scale
 CSR CSC 为不同的稀疏矩阵存储格式，
 mean_variance_axis:指定计算稀疏矩阵沿某一轴方向的mean variance.
 inplace_column_scale:对数据阵的列实现scale指定的列乘积变换。
from ..utils.fixes import sparse_lsqr
 对于大型 稀疏 线性系统 或等式 找到最小二乘解。
from ..utils.seq_datasets import ArrayDataset, CSRDataset
 数据集类型 分别指定了表示形式为二维数组及稀疏矩阵
from ..utils.validation import check_is_fitted:
 看模型与所提供的参数是否一致。
from ..exceptions import NotFittedError
from ..preprocessing.data import normalize as f_normalize
 正则化变换(只正则不中心)，默认axis = 1是针对feature的。

SPARSE_INTERCEPT_DECAY = 0.01
 对于稀疏数据的相应常数列使用此参数进行调整，避免震荡。（。。。）

def make_datasets(X, y, sample_weight, random_state = None):
 rng = check_random_state(random_state)
 seed = rng.randint(1, np.iinfo(np.int32).max)

 if sp.issparse(X):
  dataset = CSRDataset(X.data, X.indptr, X.indices, y, sample_weight, seed = seed)
  intercept_decay = SPARSE_INTERCEPT_DECAY
 else:
  dataset = ArrayDataset(X, y, sample_weight, seed = seed)
  intercept_decay = 1

 return dataset, intercept_decay