normalize函数_python机器学习库的介绍2：线性回归函数

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