6. 线性回归api再介绍

• sklearn.linear_model.LinearRegression(fit_intercept=True)

  • 通过正规方程优化

  • fit_intercept：是否计算偏置

  • LinearRegression.coef_：回归系数

  • LinearRegression.intercept_：偏置

• sklearn.linear_model.SGDRegressor(loss="squared_loss", fit_intercept=True, learning_rate ='invscaling', eta0=0.01)

  • SGDRegressor类实现了随机梯度下降学习，它支持不同的loss函数和正则化惩罚项来拟合线性回归模型。

  • loss:损失类型

    • loss=”squared_loss”: 普通最小二乘法

  • fit_intercept：是否计算偏置

  • learning_rate : string, optional

    • 学习率填充

    • 'constant': eta = eta0

    • 'optimal': eta = 1.0 / (alpha * (t + t0)) [default]

    • 'invscaling': eta = eta0 / pow(t, power_t)

      • power_t=0.25:存在父类当中

    • 对于一个常数值的学习率来说，可以使用learning_rate=’constant’ ，并使用eta0来指定学习率。

  • SGDRegressor.coef_：回归系数

  • SGDRegressor.intercept_：偏置

sklearn提供给我们两种实现的API， 可以根据选择使用