回归模型的score得分为负_python机器学习：线性模型

尽管K近邻算法很容易理解，但由于预测速度慢且缺乏对多特征数据集的处理能力，所以实践中用的比较少。下面我们来介绍一种能够规避这种缺陷的模型：线性模型。

线性模型：线性模型是在实践中广泛应用的一种模型，他是利用输入特征的线性函数进行预测，其一般预测公式为：y = w[0]*x[0] + w[1]*x[1] + ... + w[p]*x[p]

这是高中直线方程的一个扩展应用。下面我们看一下一维wave数据集求w和b的代码：

import mglearn

mglearn.plots.plot_linear_regression_wave()

其运行结果如下：可以看出，一维数据集wave计算出的w[0]=0.393906 ， b= -0.031804

线性模型对wave数据集的预测结果

用回归的线性模型可以表示这样的回归模型：对单一特征的预测结果是一条直线，两个特征的测试一个平面。如果使更多特征的则是一个超平面。