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LassoRidge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:
  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)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