线性回归是一种回归分析技术,回归分析的本质是一个函数估计问题(函数估计包含参数估计和非参数估计两个类),就是找出因变量和自变量之间的关系。回归分析的因变量应该是连续变量,如果因变量是离散变量,则问题应该转化为分类问题。回归分析是一个有监督的学习,下面我们对常用的线性回归函数(LinearRegression)做个介绍。
LinearRegression函数是scikit-learn提供的线性回归模型,其原型为:
class sklearn.linearRegression(fit_intercept=True, normalize=False,copy_x=True, n_jobs=1)
参数说明:
fit_intercept:一个布尔值,制定是否需要b值,如果为False,则不需要b值。(一般都需要b值)。
normalize:一个布尔值,如果为True,那么表示训练样本会在回归之前被归一化。
copy_x:一个布尔值,如果为True,则会复制x。
n_jobs:一个正数,任务并行时指定的CPU数目。如果为-1,则表示使用所有可能的 CPU
属