廣義線性模型# 關於 sklearn.linear_model 模組的範例。 比較線性貝氏迴歸器 比較線性貝氏迴歸器 比較各種線上求解器 比較各種線上求解器 使用貝氏嶺迴歸的曲線擬合 使用貝氏嶺迴歸的曲線擬合 多項式和一對多邏輯迴歸的決策邊界 多項式和一對多邏輯迴歸的決策邊界 隨機梯度下降的提前停止 隨機梯度下降的提前停止 使用預先計算的格拉姆矩陣和加權樣本擬合彈性網 使用預先計算的格拉姆矩陣和加權樣本擬合彈性網 具有強烈離群值的資料集上的 HuberRegressor vs Ridge 具有強烈離群值的資料集上的 HuberRegressor vs Ridge 使用多任務 Lasso 的聯合特徵選擇 使用多任務 Lasso 的聯合特徵選擇 邏輯迴歸中的 L1 懲罰和稀疏性 邏輯迴歸中的 L1 懲罰和稀疏性 用於稀疏訊號的基於 L1 的模型 用於稀疏訊號的基於 L1 的模型 透過資訊準則的 Lasso 模型選擇 透過資訊準則的 Lasso 模型選擇 Lasso 模型選擇：AIC-BIC / 交叉驗證 Lasso 模型選擇：AIC-BIC / 交叉驗證 密集和稀疏資料上的 Lasso 密集和稀疏資料上的 Lasso Lasso、Lasso-LARS 和彈性網路路徑 Lasso、Lasso-LARS 和彈性網路路徑 邏輯函數 邏輯函數 使用多項式邏輯 + L1 的 MNIST 分類 使用多項式邏輯 + L1 的 MNIST 分類 20newgroups 上的多類稀疏邏輯迴歸 20newgroups 上的多類稀疏邏輯迴歸 非負最小平方法 非負最小平方法 單類 SVM 與使用隨機梯度下降的單類 SVM 單類 SVM 與使用隨機梯度下降的單類 SVM 普通最小平方法範例 普通最小平方法範例 普通最小平方法和嶺迴歸變異數 普通最小平方法和嶺迴歸變異數 正交匹配追蹤 正交匹配追蹤 繪製作為正規化函數的嶺係數 繪製作為正規化函數的嶺係數 繪製虹膜資料集上的多類 SGD 繪製虹膜資料集上的多類 SGD 泊松迴歸和非常態損失 泊松迴歸和非常態損失 多項式和樣條內插 多項式和樣條內插 分位數迴歸 分位數迴歸 L1 邏輯迴歸的正規化路徑 L1 邏輯迴歸的正規化路徑 作為 L2 正規化函數的嶺係數 作為 L2 正規化函數的嶺係數 穩健線性估計器擬合 穩健線性估計器擬合 使用 RANSAC 的穩健線性模型估計 使用 RANSAC 的穩健線性模型估計 SGD：最大邊界分離超平面 SGD：最大邊界分離超平面 SGD：懲罰 SGD：懲罰 SGD：加權樣本 SGD：加權樣本 SGD：凸損失函數 SGD：凸損失函數 Theil-Sen 迴歸 Theil-Sen 迴歸 保險索賠上的 Tweedie 迴歸 保險索賠上的 Tweedie 迴歸
