Можно ли настроить параметр линейной регрессии (гипер) в sklearn

Question

Я начинаю изучать немного научного комплекта и ML в целом, и я сталкиваюсь с проблемой. Я создал модель с использованием линейной регрессии. .score - это хорошо (выше 0,8), но я хочу улучшить его (возможно, до 0,9). Я искал документацию по sklearn и гуглил этот вопрос, но не могу найти ответ.

Мой вопрос: Возможно ли настроить модель LinearRegression ? и если да, где я могу его найти?

#----- Forecast in hours -----#
forecast_out = 48


#----- Import and prep data -----#
using pandas to create X and y
x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

#----- Linear Regression-----#
lr = LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None, normalize=False)

lr.fit(x_train, y_train)
lr_confidence = lr.score(x_test, y_test)
print("lr confidence: ", lr_confidence)
x_forecast = np.array(data.drop(['Prediction'],1))[-forecast_out:]
lr_prediction = lr.predict(x_forecast)

Answer 1

Всегда есть место для улучшения. Параметры есть в модели LinearRegression. Используйте .get_params (), чтобы узнать имена параметров и их значения по умолчанию, а затем используйте .set_params (** params), чтобы установить значения из словаря. GridSearchCV и RandomSearchCV могут помочь вам настроить их лучше, чем вы, и быстрее.

Это очень открытый вопрос, и вам просто нужно посмотреть документацию. Это все на самом деле, поверь мне - я посмотрел. Просто документация Google LinearRegression.

http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html