Scikit Learn:使用Python进行预测数据分析的机器学习库 源码

Scikit学习 使用Python进行预测数据分析的机器学习库 Y = X * B1 + B0 系数 B1:坡度 渐变| 陡度线| 线方向| 重量 B0:拦截 偏差| 常数| 回归线与Y轴相交的位置(当X = 0时Y的值) R 2 :测定系数 模型捕获的数据的方差(0.7到0.9是R 2的好值) 大的R 2表示较好的拟合度(模型可以用更好的方法解释预测值与实际值的差异) R 2 = 1对应于SSR = 0(完美拟合) R 2低会导致拟合不足 高R 2导致过度拟合 残差 实际-预测 线性回归 学习一个线性回归模型来估计系数的值 根据另一个要素的值预测要素的值。 简单线性回归 多元线性回归 多项式线性回归 高级线性回归