西瓜书公式推导课程打卡 1 第一周学习总结

这是西瓜书公式打卡的第一周总结

sklearn.linear_model模型实现了广义线性模型，包括线性回归、Ridge回归、Bayesian回归等。今天我们就来学习较为简单的线性回归LinearRegression模型。

1.模型定义

sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False,copy_X=True, n_jobs=1)

-fit_intercept：布尔类型，可选参数；设置模型是否计算截距，false表示不使用截距。

-normalize：布尔类型，可选参数，默认值为false；设置为true之前，解释变量x将在回归前进行标准化。

-copy_X：布尔类型，可选参数，默认值为true；如果为true，x将被复制；否则被重写。

-n_jobs：int类型，可选参数，默认值为1；如果设为1，将启动所有CPU。

2.几个常用的函数

fit(X,y, [sample_weight]) # 拟合线性模型

-X:训练数据，形状如 [n_samples,n_features]

-y:函数值，形状如 [n_samples, n_targets]

-sample_weight： 每个样本的个体权重,形状如[n_samples]

get_params([deep]) # 获取参数估计量

set_params(**params) # 设置参数估计量

predict(X) # 利用训练好的模型进行预测࿰