• sklearn.linear_model.LinearRegression(fit_intercept=True)
      • 通过正规方程优化
      • fit_intercept：是否计算偏置
      • LinearRegression.coef_：回归系数
      • LinearRegression.intercept_：偏置
    • sklearn.linear_model.SGDRegressor(loss=”squared_loss”, fit_intercept=True, learning_rate =’invscaling’, eta0=0.01)
      • SGDRegressor类实现了随机梯度下降学习，它支持不同的loss函数和正则化惩罚项来拟合线性回归模型。
      • loss:损失类型
        • loss=“squared_loss”: 普通最小二乘法
      • fit_intercept：是否计算偏置
      • learning_rate : string, optional
        • 学习率填充
        • ‘constant’: eta = eta0
        • ‘optimal’: eta = 1.0 / (alpha * (t + t0)) [default]
        • ‘invscaling’: eta = eta0 / pow(t, power_t)
          • power_t=0.25:存在父类当中
        • 对于一个常数值的学习率来说，可以使用learning_rate=‘constant’ ，并使用eta0来指定学习率。
      • SGDRegressor.coef_：回归系数
      • SGDRegressor.intercept_：偏置

        sklearn提供给我们两种实现的API， 可以根据选择使用