使用 sklearn实现线性回归

性感官方，在线文档。
linearregression online

from sklearn.linear_model import LinearRegression

model_linear = LinearRegression(fit_intercept = True, normalize = True,copy_X = True,n_jobs=4)

参数

fit_intercept
默认True，是否设置偏置
normalize
默认False 是否进行标准差标准化
copy_X
默认 False 是否进行浅复制
n_jobs
默认None（1），可使用CPU数量

所以不需要调参，要不咱调调cpu数量吧。

属性

coef_
train_x各个特征的权重
rank_
train_x特征的数量
singular_
train_x各个特征的奇异值
intercept_
train_x各个特征的偏置

方法

fit(x,y,sample_weight)
sample_weight是一个[]，里面每个原始是每个sample的权重
get_params(deep=True)
获取模型的各个参数（非超参数，是设置的模型参数）
predict(X)
预测
score(x,y,sample_weight)
模型对x进行预测，然后将预测值与y进行比较，返回分数（r2）
set_params（参数）
重设参数