线性回归api深度介绍

最新推荐文章于 2023-12-03 16:17:47 发布

IT之一小佬

最新推荐文章于 2023-12-03 16:17:47 发布

阅读量282

点赞数

分类专栏：机器学习文章标签：深度学习机器学习算法

本文链接：https://blog.csdn.net/weixin_44799217/article/details/114677577

版权

79 篇文章 15 订阅

订阅专栏

sklearn.linear_model.LinearRegression(fit_intercept=True)
- 通过正规方程优化
- fit_intercept：是否计算偏置【默认为true】
- LinearRegression.coef_：回归系数
- LinearRegression.intercept_：偏置
sklearn.linear_model.SGDRegressor(loss="squared_loss", fit_intercept=True, learning_rate ='invscaling', eta0=0.01)
- SGDRegressor类实现了随机梯度下降学习，它支持不同的loss函数和正则化惩罚项来拟合线性回归模型。
- loss:损失类型
  - loss=”squared_loss”: 普通最小二乘法
- fit_intercept：是否计算偏置
- learning_rate : string, optional 【这儿不用特意去设置，默认就好】【一般都是进行动态更新的，也可以指定为一个常数，但是不推荐】
  - 学习率填充
  - 'constant': eta = eta0 【常数】
  - 'optimal': eta = 1.0 / (alpha * (t + t0)) [default]
  - 'invscaling': eta = eta0 / pow(t, power_t)
    - power_t=0.25:存在父类当中
  - 对于一个常数值的学习率来说，可以使用learning_rate=’constant’ ，并使用eta0来指定学习率。
- SGDRegressor.coef_：回归系数
- SGDRegressor.intercept_：偏置

sklearn提供给我们两种实现的API，可以根据选择使用

关注