您好,登錄后才能下訂單哦!
本篇內(nèi)容介紹了“sklearn常用的API參數(shù)解析:sklearn.linear_model.LinearRegression”的有關(guān)知識,在實際案例的操作過程中,不少人都會遇到這樣的困境,接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧!希望大家仔細(xì)閱讀,能夠?qū)W有所成!
sklearn.linear_model.LinearRegression
調(diào)用
sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=None)
Parameters
fit_intercept
釋義:是否計算該模型的截距。
設(shè)置:bool型,可選,默認(rèn)True,如果使用中心化的數(shù)據(jù),可以考慮設(shè)置為False,不考慮截距。
normalize
釋義:是否對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理
設(shè)置:bool型,可選,默認(rèn)False,建議將標(biāo)準(zhǔn)化的工作放在訓(xùn)練模型之前,通過設(shè)置sklearn.preprocessing.StandardScaler來實現(xiàn),而在此處設(shè)置為false當(dāng)fit_intercept設(shè)置為false的時候,這個參數(shù)會被自動忽略。如果為True,回歸器會標(biāo)準(zhǔn)化輸入?yún)?shù):減去平均值,并且除以相應(yīng)的二范數(shù)
copy_X
釋義:是否對X復(fù)制
設(shè)置:bool型、可選、默認(rèn)True,如為false,則即經(jīng)過中心化,標(biāo)準(zhǔn)化后,把新數(shù)據(jù)覆蓋到原數(shù)據(jù)上
n_jobs
釋義:計算時設(shè)置的任務(wù)個數(shù),這一參數(shù)的對于目標(biāo)個數(shù)>1(n_targets>1)且足夠大規(guī)模的問題有加速作用
設(shè)置:int or None, optional, 默認(rèn)None,如果選擇-1則代表使用所有的CPU。
Attributes
coef_
釋義:對于線性回歸問題計算得到的feature的系數(shù)
輸出:如果輸入的是多目標(biāo)問題,則返回一個二維數(shù)組(n_targets, n_features);如果是單目標(biāo)問題,返回一個一維數(shù)組 (n_features,)rank_
釋義:矩陣X的秩,僅在X為密集矩陣時有效
輸出:矩陣X的秩
singular_
釋義:矩陣X的奇異值,僅在X為密集矩陣時有效
輸出:array of shape (min(X, y),)
intercept_
釋義:截距,線性模型中的獨(dú)立項
輸出:如果fit_intercept = False,則intercept_為0.0
Methods
fit(self, X, y[, sample_weight])
訓(xùn)練模型,,sample_weight為每個樣本權(quán)重值,默認(rèn)None
get_params(self[, deep])
deep默認(rèn)為True,返回一個字典,鍵為參數(shù)名,值為估計器參數(shù)值
predict(self, X)
模型預(yù)測,返回預(yù)測值
score(self, X, y[, sample_weight])
模型評估,返回R^2系數(shù),最優(yōu)值為1,說明所有數(shù)據(jù)都預(yù)測正確
set_params(self, **params)
設(shè)置估計器的參數(shù),可以修改參數(shù)重新訓(xùn)練
“sklearn常用的API參數(shù)解析:sklearn.linear_model.LinearRegression”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注億速云網(wǎng)站,小編將為大家輸出更多高質(zhì)量的實用文章!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。