最近斷斷續續地在接觸一些python的東西。按照我的習慣，首先從應用層面搞起，盡快入門，后續再細化一 些技術細節。找了一些資料，基本語法和數據結構搞定之后，目光便轉到了scikit-learn這個包。這個包是基于scipy的統計學習包。里面所涵蓋 的算法接口非常全面。更令人振奮的是，其用戶手冊寫得非常好。然而，其被墻了（或者沒有，或者有時被墻有時又好了）。筆者不會翻墻（請嘲笑吧），筆者只有 找代理，筆者要忍受各種彈窗。因此筆者決定，做一個記錄，把這用戶手冊的內容多多少少搬一點到我的博客中來。以備查詢方便。因此，筆者就動手了。

聲明：如何安裝python及其IDE，相關模塊等等不在本系列博客的范圍。本博客僅試圖記錄可能會用到的代碼實例。

1.廣義線性模型

這里的“廣義線性模型”，是指線性模型及其簡單的推廣，包括嶺回歸，lasso，LAR，logistic回歸，感知器等等。下面將介紹這些模型的基本想法，以及如何用python實現。

1.1.普通的最小二乘

由LinearRegression 函數實現。最小二乘法的缺點是依賴于自變量的相關性，當出現復共線性時，設計陣會接近奇異，因此由最小二乘方法得到的結果就非常敏感，如果隨機誤差出現什么波動，最小二乘估計也可能出現較大的變化。而當數據是由非設計的試驗獲得的時候，復共線性出現的可能性非常大。

from sklearn import linear_model clf = linear_model.LinearRegression() clf.fit ([[0,0],[1,1],[2,2]],[0,1,2]

總結

以上是生活随笔為你收集整理的Python机器学习——线性模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。