qq_43887432的博客

线性模型 目标值是特征的线性组合就称为线性回归。 普通的最小二乘法 寻找w=(w1,w2,...,wp)w=(w_1, w_2, ..., w_p)w=(w1​,w2​,...,wp​)使得minw∣∣Xw−y∣∣22min_w||Xw-y||_2^2minw​∣∣Xw−y∣∣22​。 from sklearn import linear_model reg = linear_model.LinearRegression() reg.fit([[0, 0], [1, 1], [2, 2]], [0, 1,

在sklearn.datasets包中内嵌了一些小型数据集。 通用的dataset API The dataset loaders: 加载小型数据 The dataset fetchers：下载和加载大型数据集 The dataset generation functions：生成受控的合成数据集 loaders和fetchers都返回至少有两项的sklearn.utils.Bunch对象（就是一个字典）：一个大小是n_samples * n_features并且带有标签data的数组，和一个长度是n_

拟合和预测，估计器基础 from sklearn.ensemble import RandomForestClassifier clf = RandomForestClassifier(random_state=0) X = [[1, 2, 3], [11, 12, 13]] y = [0, 1] clf.fit(X, y) ''' fit方法接受两个参数，X和y（通常都是numpy的数组） X是样本矩阵，大小通常是(n_samples, n_features) y是目标值，对于回归任务是实数，