线性回归(Linear Regression)

具有可选L1（LASSO），L2（岭）或L1L2（弹性网）正则化的线性回归算法。

输入

• 数据：输入数据集
• 预处理器：预处理方法

输出

• 学习器：线性回归学习算法
• 模型：训练过的模型
• 系数: 线性回归系数

功能

线性回归(Linear Regression) 小部件构造了一个学习器/预测器，该学习器/预测器从其输入数据中学习线性函数。该模型可以识别预测变量 x 和响应变量 y 之间的关系。另外，可以指定Lasso和Ridge正则化参数。

线性回归仅适用于回归任务。

界面

1. 学习器/预测器的名字
2. 选择要训练的模型：
   • 无正规化
   • 岭正则化（L2）
   • 套索正则化（L1）
   • 弹性网正则化
3. 发送报告
4. 勾选 “自动应用” 以自动传送对其他小部件的更改，并在连接学习数据后立即训练分类器。 或者，在配置后按 “应用”。

示例

下面是 housing 数据集的简单工作流程。 我们训练了线性回归(Linear Regression) 和随机森林(Random Forest)，并在测试与评分(Test & Score)中评估了它们的效果。

反馈问题

文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈

点我反馈

进入反馈页面不知道如何反馈, 请点击这里