????線性回歸，主要是用來得到預測值的。線性回歸，可以簡單的理解為一元/多元方程式，通過給到的數(shù)據(jù)，計算出自變量x的系數(shù)，截距，得到對應的y值。

知識點

sklearn.linear_model.LinearRegression(

fit_intercept=True

, normalize=False

, copy_X=True

, n_jobs=1

)

線性回歸里的參數(shù)，都是可以選用默認值，不用特意調參的。說明線性回歸模型主要依靠數(shù)據(jù)本身，如果數(shù)據(jù)最后的公式達到的預測準確度不高，也沒有辦法。

fit_intercept：截距，默認為True，可不填。當fit_intercept=False時，代表不需要截距。

normalize：標準化，默認為False，可不填。當fit_intercept=True時，特征矩陣X會被進行標準化（減去均值，除以L2范式縮放處理）。當fit_intercept=False時，可忽略此參數(shù)。

copy_X：默認為True，可不填。為真，則在X.copy()上進行操作，否則會在原始數(shù)據(jù)X上進行操作，覆蓋原始數(shù)據(jù)。

n_jobs：默認為None，或者填寫整數(shù)，可不填。