scikit-learn中的线性回归

from sklearn import linear_model

1.普通最小二乘法线性回归

linear_regressor = linear_model.LinearRegressiong()

2.岭回归

岭回归器是引入正则化系数后的回归

ridge_regressor = linear_model.Ridge(alpha = 0.01,
fit_intercept = True,
max_iter = 10000)

参数：alpha：正则化强度。当alpha趋于零时 岭回归器为使用普通最小二乘法的线性回归器

          fit_intercept：是否计算模型的截距

3.多项式回归器

#将曲线多项式的初始次数设为3
polynomial = PolynomialFeatures(degree = 3)

参数：degree：多项式阶数 默认为2。如果输入为[a,b] 输出为[1, a, b, a^2, ab, b^2]

X_train_transformed = polynomial.fit_transform(X_train)

#构造多项式回归器
poly_linear_model = linear_model.LinearRegression()
poly_linear_model.fit(X_train_transformed, y_train)