好的,线性回归(Linear Regression)是一种用来确定两种变量之间相互依赖的线性关系的回归分析方法。 sklearn中的LinearRegression模块可以用来训练一个线性回归模型。
下面是LinearRegression的一些参数的说明:
fit_intercept: 布尔型,默认为True。如果为True,计算出一个截距b,使得模型能够在y轴上拟合。如果为False,则不计算截距。
normalize: 布尔型,默认为False。如果为True,将在计算之前对自变量进行归一化。
copy_X: 布尔型,默认为True。如果为True,将在计算之前对自变量进行复制。
n_jobs: int型,默认为None。如果是-1,则使用所有可用的CPU进行并行计算。如果是正整数,则使用该数量的CPU进行并行计算。如果为None,则不使用并行计算。
solver: 字符串型,默认为“auto”。指定解决线性方程的算法,可以是“auto”, “svd”, “cholesky”, “lsqr”, “sparse_cg”, “sag”, “saga”中的一个。
random_state: int型或RandomState实例,默认为None。随机数种子。
tol: float型,默认为1e-4。指定当算法收敛时的容