基本原理: =
损失函数:
linear_model.LinearRegression
fit_intercept | 布尔值,可不填,默认True False 不计算截距 |
normalize | 布尔值,可不填,默认False 忽略此参数 True 特征矩阵在进入回归前减去均值(中心化)并处以L2范式(缩放) 如果希望数据标准化,在fit之前使用preprocessing模块中的标准化专用类StandardScaler |
copy_X | 布尔值,可不填,默认True 在X.copy()上进行操作,原本特征矩阵不被覆盖 |
n_jobs | 整数或None,可不填,默认None 用于计算的作业数,只在多标签的回归和数据量足够大的时候生效 |
评估指标
残差平方和:却接近0越好,但是可以无限扩大,不能准确评估谁最好。
均方误差:残差平方和/样本数量=MSE
MAE: MAE =