欢迎大家来到IT世界,在知识的湖畔探索吧!
python学习教程:sklearn常用的API参数解析: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)
欢迎大家来到IT世界,在知识的湖畔探索吧!
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
释义:计算时设置的任务个数,这一参数的对于目标个数>1(n_targets>1)且足够大规模的问题有加速作用
设置:int or None, optional, 默认None,如果选择-1则代表使用所有的CPU。
Attributes
coef_
释义:对于线性回归问题计算得到的feature的系数
输出:如果输入的是多目标问题,则返回一个二维数组(n_targets, n_features);如果是单目标问题,返回一个一维数组 (n_features,)rank_
释义:矩阵X的秩,仅在X为密集矩阵时有效
输出:矩阵X的秩
singular_
释义:矩阵X的奇异值,仅在X为密集矩阵时有效
输出:array of shape (min(X, y),)
intercept_
释义:截距,线性模型中的独立项
输出:如果fit_intercept = False,则intercept_为0.0
Methods
fit(self, X, y[, sample_weight])
训练模型,,sample_weight为每个样本权重值,默认None
get_params(self[, deep])
deep默认为True,返回一个字典,键为参数名,值为估计器参数值
predict(self, X)
模型预测,返回预测值
score(self, X, y[, sample_weight])
模型评估,返回R^2系数,最优值为1,说明所有数据都预测正确
set_params(self, **params)
设置估计器的参数,可以修改参数重新训练
不清楚的地方,伙伴们可以留言,更多的Python学习教程也会继续更新!总结的全套Python视频教程,伙伴们可以留言回复:Python,领取!
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://itzsg.com/22398.html