python机器学习基础03——sklearn之线性回归相关处理

文章目录
线性回归+评价指标引入误差L范式介绍sklearn-线性回归评价指标
多项式回归和过拟合欠拟合处理欠拟合的处理-多项式回归过拟合处理-正则化

线性回归+评价指标
引入误差
在回归任务中不需要归一化的操作，本身就是寻找出权重的过程，不需要将各维度进行统一约束
找出特征和特征权重之间的一种组合，从而来预测对应的结果，误差的存在是必然的，回归的问题不像分类的问题，回归是一个连续值的预测，分类而是离散值的确定，那我们如何处理回归的误差？
回归算法是一个迭代算法。所谓的迭代就好比是系统版本的迭代，迭代后的系统要比迭代前的系统更好。
当开始训练线性回归模型的时候，是逐步的将样本数据带入模型对其进行训练的。训练开始时先用部分的样本数据训练模型生成一组w和b，对应的直线和数据对应散点的误差比较大，通过不断的带入样本数据训练模型会逐步的迭代不好（误差较大）的w和b从而使得w和b的值更

python机器学习基础03——sklearn之线性回归相关处理最先出现在Python成神之路。