请给出sklearn中的LinearRegression的使用说明，给出LinearRegression参数说明、及参数常用取值、及参数对算法模块的影响...

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：

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

6. random_state: int型或RandomState实例，默认为None。随机数种子。

7. tol: float型，默认为1e-4。指定当算法收敛时的容