线性回归_API详解:sklearn.linear_model.LinearRegression

基于最小二乘法的线性回归，非常基础。那么相应的API 的调用参数有哪些呢？
调用方法： 老套路，先定义一个线性回归对象
lr = sklearn.linear_model.LinearRegression(
fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)

参数介绍： fit_intercept : 默认为True,是否计算该模型的截距。如果使用中心化的数据，可以考虑设置为False,不考虑截距。注意这里是考虑，一般还是要考虑截距
normalize: 默认为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。当然啦，在这里还是建议将标准化的工作放在训练模型之前。通过设置sklearn.preprocessing

线性回归_API详解:sklearn.linear_model.LinearRegression最先出现在Python成神之路。