sklearn 模型总结

最新推荐文章于 2025-03-31 12:26:47 发布

LaoChen_ZeroonE

最新推荐文章于 2025-03-31 12:26:47 发布

阅读量904

点赞数

分类专栏：机器学习模型文章标签：机器学习 python

本文链接：https://blog.youkuaiyun.com/qq_34356768/article/details/106676933

版权

机器学习模型专栏收录该内容

14 篇文章

订阅专栏

本文详细介绍了Sklearn库中各种线性模型的应用场景与实现方式，包括但不限于普通最小二乘法、岭回归、Lasso、Multi-task Lasso、LARS、贝叶斯回归、Logistic Regression、随机梯度下降法、Perceptron、被动攻击算法、Huber Regression及多项式回归，适合初学者快速了解并选择合适的线性模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

sklearn结构图
Skleran 线性模型

中文文档.

sklearn结构图

在这里插入图片描述

Skleran 线性模型

模型	解决问题	实现	说明
普通最小二乘法	回归	sklearn.linear_model.LinearRegression.
Ridge/岭回归	回归	sklearn.linear_model.Ridge.	解决两类回归问题一是样本少于变量个数二是变量间存在共线性
Lasso	回归	sklearn.linear_model.Lasso.	适合特征较少的数据
Multi-task Lasso	回归	sklearn.linear_model.MultiTaskLasso.	y值不是一元的回归问题
LeastAngleRegression(LARS)	回归	sklearn.linear_model.Lars.	适合高维数据
LARS Lasso	回归	sklearn.linear_model.LassoLars.	(1)适合高维数据使用(2)LARS算法实现的lasso模型
Orthogonal Matching Pursuit (OMP)	回归	sklearn.linear_model.OrthogonalMatchingPursuit.	基于贪心算法实现
贝叶斯回归	回归	sklearn.linear_model.BayesianRidge .sklearn.linear_model.ARDRegression .	优点:(1)适用于手边数据(2)可用于在估计过程中包含正规化参数 .缺点：耗时
Logistic regression	分类	sklearn.linear_model.LogisticRegression.	基于贪心算法实现
SGD(随机梯度下降法)	分类、回归	sklearn.linear_model.SGDClassifier. sklearn.linear_model.SGDRegressor.	适用于大规模数据
Perceptron	分类	sklearn.linear_model.Perceptron.	适用于大规模数据
Passive Aggressive Algorithms	分类、回归	sklearn.linear_model.PassiveAggressiveClassifier. sklearn.linear_model.PassiveAggressiveRegressor.	适用于大规模数据
Huber Regression	回归	sklearn.linear_model.HuberRegressor.	能够处理数据中有异常值的情况
多项式回归	回归	sklearn.preprocessing.PolynomialFeatures.	通过PolynomialFeatures将非线性特征转化成多项式形式，再用线性模型进行处理