python學習教程：sklearn常用的API參數解析：sklearn.linear_model.LinearRegression
sklearn.linear_model.LinearRegression
調用
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。
設置:bool型,可選,默認True,如果使用中心化的數據，可以考慮設置爲False,不考慮截距。
normalize
釋義:是否對數據進行標準化處理
設置:bool型,可選,默認False,建議將標準化的工作放在訓練模型之前,通過設置sklearn.preprocessing.StandardScaler來實現，而在此處設置爲false當fit_intercept設置爲false的時候，這個參數會被自動忽略。如果爲True,迴歸器會標準化輸入參數：減去平均值，並且除以相應的二範數
copy_X
釋義:是否對X複製
設置:bool型、可選、默認True,如爲false，則即經過中心化，標準化後，把新數據覆蓋到原數據上
n_jobs
釋義:計算時設置的任務個數,這一參數的對於目標個數>1（n_targets>1）且足夠大規模的問題有加速作用
設置:int or None, optional, 默認None,如果選擇-1則代表使用所有的CPU。
Attributes
coef_
釋義:對於線性迴歸問題計算得到的feature的係數
輸出:如果輸入的是多目標問題，則返回一個二維數組(n_targets, n_features)；如果是單目標問題，返回一個一維數組 (n_features,)rank_
釋義:矩陣X的秩，僅在X爲密集矩陣時有效
輸出:矩陣X的秩
singular_
釋義:矩陣X的奇異值，僅在X爲密集矩陣時有效
輸出:array of shape (min(X, y),)
intercept_
釋義:截距，線性模型中的獨立項
輸出:如果fit_intercept = False，則intercept_爲0.0
Methods
fit(self, X, y[, sample_weight])
訓練模型，，sample_weight爲每個樣本權重值，默認None
get_params(self[, deep])
deep默認爲True，返回一個字典，鍵爲參數名，值爲估計器參數值
predict(self, X)
模型預測，返回預測值
score(self, X, y[, sample_weight])
模型評估，返回R^2係數，最優值爲1，說明所有數據都預測正確
set_params(self, **params)
設置估計器的參數，可以修改參數重新訓練
不清楚的地方，夥伴們可以留言，更多的Python學習教程也會繼續更新！總結的全套Python視頻教程，夥伴們可以留言回覆：Python，領取！