广义线性模型# 关于 sklearn.linear_model 模块的示例。 线性贝叶斯回归器比较 线性贝叶斯回归器比较 贝叶斯岭回归的曲线拟合 贝叶斯岭回归的曲线拟合 多项式和一对多逻辑回归的决策边界 多项式和一对多逻辑回归的决策边界 随机梯度下降的早停 随机梯度下降的早停 使用预计算 Gram 矩阵和加权样本拟合弹性网络 使用预计算 Gram 矩阵和加权样本拟合弹性网络 在强异常值数据集上的 HuberRegressor 与 Ridge 比较 在强异常值数据集上的 HuberRegressor 与 Ridge 比较 使用多任务 Lasso 进行联合特征选择 使用多任务 Lasso 进行联合特征选择 逻辑回归中的 L1 惩罚和稀疏性 逻辑回归中的 L1 惩罚和稀疏性 稀疏信号的基于 L1 的模型 稀疏信号的基于 L1 的模型 通过信息准则进行 Lasso 模型选择 通过信息准则进行 Lasso 模型选择 Lasso 模型选择：AIC-BIC / 交叉验证 Lasso 模型选择：AIC-BIC / 交叉验证 稠密和稀疏数据上的 Lasso 稠密和稀疏数据上的 Lasso Lasso、Lasso-LARS 和弹性网络路径 Lasso、Lasso-LARS 和弹性网络路径 逻辑函数 逻辑函数 使用多项式逻辑 + L1 的 MNIST 分类 使用多项式逻辑 + L1 的 MNIST 分类 20newgroups 上的多类稀疏逻辑回归 20newgroups 上的多类稀疏逻辑回归 非负最小二乘 非负最小二乘 单类 SVM 与使用随机梯度下降的单类 SVM 单类 SVM 与使用随机梯度下降的单类 SVM 普通最小二乘和岭回归 普通最小二乘和岭回归 正交匹配追踪 正交匹配追踪 绘制岭系数作为正则化函数 绘制岭系数作为正则化函数 在鸢尾花数据集上绘制多类 SGD 在鸢尾花数据集上绘制多类 SGD 泊松回归和非正态损失 泊松回归和非正态损失 多项式和样条插值 多项式和样条插值 分位数回归 分位数回归 L1 逻辑回归的正则化路径 L1 逻辑回归的正则化路径 岭系数作为 L2 正则化函数 岭系数作为 L2 正则化函数 鲁棒线性估计器拟合 鲁棒线性估计器拟合 使用 RANSAC 进行鲁棒线性模型估计 使用 RANSAC 进行鲁棒线性模型估计 SGD：最大间隔分离超平面 SGD：最大间隔分离超平面 SGD：惩罚 SGD：惩罚 SGD：加权样本 SGD：加权样本 SGD：凸损失函数 SGD：凸损失函数 Theil-Sen 回归 Theil-Sen 回归 保险索赔上的 Tweedie 回归 保险索赔上的 Tweedie 回归
