sklearn库学习之线性模型

线性模型利用输入特征的线性函数进行预测，学习线性模型的算法的区别：
(1)系数和截距的特定组合对训练数据拟合好坏的度量方法，不同的算法使用不同的方法度量“对训练集拟合好坏”–称为损失函数
(2)是否使用正则化，使用哪种正则化方法

线性模型的主要参数是正则化参数，如果假定只有几个特征是真正重要的，应该用L1正则化，否则应默认使用L2正则化。

处理大型数据时，需研究使用LogisticRegression和Ridge模型的solver='sag’选项，比默认值要更快。

用于回归的线性模型

$y=w_i\ast x_i+b$
$x_i$是单个数据点的特征，$w_i$