sklearn常用的API参数：sklearn.linear_model.LinearRegression

最新推荐文章于 2024-06-05 10:44:52 发布

原创

最新推荐文章于 2024-06-05 10:44:52 发布 · 564 阅读

3 ·

CC 4.0 BY-SA版权

这篇教程详细介绍了sklearn.linear_model.LinearRegression的常用参数，包括fit_intercept、normalize、copy_X、n_jobs等，并解释了它们的作用。同时，提到了模型的属性如coef_、intercept_以及方法如fit、predict、score等。文章鼓励读者留言讨论，并提供Python学习资源。

python学习教程：sklearn常用的API参数解析：sklearn.linear_model.LinearRegression

sklearn常用的API参数：sklearn.linear_model.LinearRegression

sklearn.linear_model.LinearRegression

调用

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

Parameters

fit_intercept

释义:是否计算该模型的截距。

设置:bool型,可选,默认True,如果使用中心化的数据，可以考虑设置为False,不考虑截距。

normalize

释义:是否对数据进行标准化处理

设置:bool型,可选,默认False,建议将标准化的工作放在训练模型之前,通过设置sklearn.preprocessing.StandardScaler来实现，而在此处设置为false当fit_intercept设置为false的时候，这个参数会被自动忽略。如果为True,回归器会标准化输入参数：减去平均值，并且除以相应的二范数

copy_X

释义:是否对X复制

设置:bool型、可选、默认True,如为false，则即经过中心化，标准化后，把新数据覆盖到原数据上

n_jobs<