sklearn.linear_model

各类线性模型。

用户指南。 详见 线性模型 一节以了解更多细节。

以下小节仅供大致参考：同一个估计器可能会因其参数的不同而归入多个类别。

线性分类器

LogisticRegression	Logistic 回归（又名 logit，MaxEnt）分类器。
LogisticRegressionCV	Logistic 回归 CV（又名 logit，MaxEnt）分类器。
PassiveAggressiveClassifier	Passive Aggressive 分类器。
Perceptron	线性感知器分类器。
RidgeClassifier	使用 Ridge 回归的分类器。
RidgeClassifierCV	具有内置交叉验证的 Ridge 分类器。
SGDClassifier	具有 SGD 训练的线性分类器（SVM、logistic 回归等）。
SGDOneClassSVM	使用随机梯度下降求解线性 One-Class SVM。

经典线性回归器

LinearRegression	普通最小二乘线性回归。
Ridge	具有 l2 正则化的线性最小二乘。
RidgeCV	具有内置交叉验证的 Ridge 回归。
SGDRegressor	通过使用 SGD 最小化正则化经验损失来拟合的线性模型。

具有变量选择功能的回归器

以下估计器具有内置的变量选择拟合过程，但任何使用 L1 或弹性网（elastic-net）惩罚项的估计器也都能进行变量选择：通常指带有适当惩罚项的 SGDRegressor 或 SGDClassifier。

ElasticNet	具有组合 L1 和 L2 先验作为正则化项的线性回归。
ElasticNetCV	具有沿正则化路径迭代拟合的 Elastic Net 模型。
Lars	最小角回归（Least Angle Regression）模型，即 LAR。
LarsCV	交叉验证的最小角回归模型。
Lasso	使用 L1 先验作为正则化项训练的线性模型（又名 Lasso）。
LassoCV	具有沿正则化路径迭代拟合的 Lasso 线性模型。
LassoLars	用最小角回归拟合的 Lasso 模型，即 Lars。
LassoLarsCV	使用 LARS 算法的交叉验证 Lasso。
LassoLarsIC	使用 BIC 或 AIC 进行模型选择的 Lars 拟合 Lasso 模型。
OrthogonalMatchingPursuit	正交匹配追踪模型 (OMP)。
OrthogonalMatchingPursuitCV	交叉验证的正交匹配追踪模型 (OMP)。

贝叶斯回归器

ARDRegression	贝叶斯 ARD 回归。
BayesianRidge	贝叶斯岭回归。

具有变量选择功能的多任务线性回归器

这些估计器在拟合多个回归问题（或任务）的同时，会诱导稀疏系数。虽然推断出的系数在不同任务间可能有所不同，但它们被约束在所选择的特征（非零系数）上保持一致。

MultiTaskElasticNet	使用 L1/L2 混合范数作为正则化项训练的多任务 ElasticNet 模型。
MultiTaskElasticNetCV	具有内置交叉验证的多任务 L1/L2 ElasticNet。
MultiTaskLasso	使用 L1/L2 混合范数作为正则化项训练的多任务 Lasso 模型。
MultiTaskLassoCV	使用 L1/L2 混合范数作为正则化项训练的多任务 Lasso 模型。

抗离群点回归器

任何使用 Huber 损失的估计器也具有抗离群点能力，例如带有 loss='huber' 的 SGDRegressor。

HuberRegressor	对异常值鲁棒的 L2 正则化线性回归模型。
QuantileRegressor	预测条件分位数的线性回归模型。
RANSACRegressor	RANSAC (RANdom SAmple Consensus) 算法。
TheilSenRegressor	Theil-Sen 估算器：鲁棒多元回归模型。

用于回归的广义线性模型 (GLM)

这些模型允许响应变量具有除正态分布以外的误差分布。

GammaRegressor	具有 Gamma 分布的广义线性模型。
PoissonRegressor	具有 Poisson 分布的广义线性模型。
TweedieRegressor	具有 Tweedie 分布的广义线性模型。

杂项

PassiveAggressiveRegressor	Passive Aggressive 回归器。
enet_path	使用坐标下降计算 elastic net 路径。
lars_path	使用 LARS 算法计算最小角回归或 Lasso 路径。
lars_path_gram	足够统计模式下的 lars_path。
lasso_path	使用坐标下降计算 Lasso 路径。
orthogonal_mp	正交匹配追踪 (OMP)。
orthogonal_mp_gram	Gram 正交匹配追踪 (OMP)。
ridge_regression	通过正规方程组方法求解岭方程。