scikit-learn的基本用法(三)——model的介绍

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

本文主要是scikit-learn中model的介绍。

• Demo

from sklearn import datasetsfrom sklearn.linear_model import LinearRegression# 直接加载数据集loaded_data = datasets.load_boston()data_X = loaded_data.datadata_y = loaded_data.target# 定义模型modelmodel = LinearRegression()# 学习参数model.fit(data_X, data_y)# 输出权重weightprint model.coef_# 输出偏置biasprint 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