算法实践1_线性回归

参数解释

sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=None)

超参	解释	类型(默认值)
fit_intercept	是否计算模型的截距；如果设置为 False，计算将不使用截距（即：期望数据已经进行了中心化处理)	boolean(True)
normalize	是否将数据归一化；fit_intercept 设置为 False 时，这个参数可以忽略。如果设置为 True，回归之前将通过减去均值并除l2范数进行归一化。如果需要进行标准化，请在调用估计器 normalize=False的 fit 函数之前使用sklearn.preprocessing.StandardScaler	boolean(False)
n_jobs	确定cpu的核数 (None表示1，-1 表示使用所有)	int or None(None)

属性	解释	类型
coef_	回归系数(斜率)	array
intercept_	截距	array

方法	解释	类型
fit(X, y[, sample_weight])	训练模型	X : array-like or 稀疏矩阵，y : array_like，sample_weight : numpy array
predict(X)	预测	X : array_like or 稀疏矩阵
score(X, y[, sample_weight])	评分指标 R 2 = 1 − ( ∑ i = 1 m ( y ( i ) − y ^ ( i ) ) 2 ) / m ( ∑ i = 1 m ( y ( i )