[机器学习]基于python的机器学习库Sklearn-01

英文原文:http://scikit-learn.org/stable/modules/linear_model.html#logistic-regression
#1.1 广义线性模型
以下介绍的方法均是用于求解回归问题,其目标值预计是输入值的一个线性组合.用数学语言表示:
假设y是预测值,则有:

在本节中,称向量:为系数.
若要讲通用的线性模型用于分类问题,可以参考Logistic回归

##1.1.1 普通最小乘法

线性回归使用的系数来拟合一个线性模型,拟合的最终目标是要将线性值逼近预测值(Xw)和数据集中观察到的值(y)两者之间的平方和尽量降到最小,但是要解决以下形式问题:

线性回归的fit方法接收数组X和Y作为输入,讲线性模型的系数W存在成员系数中.

>>> from sklearn import linear_model
>>> reg = linear_model.LinearRegression()
>>> reg.fit ([[0, 0], [1, 1], [2, 2]], [0, 1, 2])
LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)
>>> reg.coef_
array([ 0.5,  0.5])

#未完待续