【Python机器学习】线性模型的优缺点

线性模型的主要参数是正则化参数。在回归模型里是alpha，在一些分类模型里是C。alpha越大或C越小，说明模型越简单，通常在对数尺度上对alpha和C进行调节。

除了正则化参数，还需要确定是L1正则化还是L2正则化，如果只有几个特征是重要的，应该用L1正则化，否则用L2正则化。

线性模型的训练速度非常快，预测速度也很快。这类模型可以推广到非常大的数据集，对稀疏数据也有效。

线性模型的另一个优点是：利用用于回归和分类的公式，理解如何进行预测是相对容易的。

如果特征数量大于样本数量，线性模型的表现通常很好，它也常用于非常大的数据集。但是在更低维度的空间中其他模型的泛化性能可能更好。