scikit-learn的基本用法(三)——model的介绍

文章作者：Tyan
博客：noahsnail.com  |  CSDN  | 

本文主要是scikit-learn中model的介绍。

• Demo

from sklearn import datasets
from sklearn.linear_model import LinearRegression

# 直接加载数据集
loaded_data = datasets.load_boston()
data_X = loaded_data.data
data_y = loaded_data.target

# 定义模型model
model = LinearRegression()
# 学习参数
model.fit(data_X, data_y)
# 输出权重weight
print model.coef_
# 输出偏置bias
print model.intercept_
# 输出model定义时的参数, 没有给定则返回默认参数
print model.get_params()
# 评估学习到的模型
# 通过coefficient of determination(决定系数),来判断回归方程拟合的程度.
print model.score(data_X, data_y)

• 结果

[ -1.07170557e-01   4.63952195e-02   2.08602395e-02   2.68856140e+00
  -1.77957587e+01   3.80475246e+00   7.51061703e-04  -1.47575880e+00
   3.05655038e-01  -1.23293463e-02  -9.53463555e-01   9.39251272e-03
  -5.25466633e-01]
36.4911032804
{'copy_X': True, 'normalize': False, 'n_jobs': 1, 'fit_intercept': True}
0.740607742865