任何人都可以向我解释一下机器学习算法中使用的fit()和predict()的概念。
fit()- used to fit the data.
output- LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)
Query1 =拟合的后端计算是什么。在调用fit()方法之后，我们将在什么基础上获得以上输出。
predict()-用于预测数据。
Query2 =此处使用的后端计算是什么。
这些是我需要的一些基本概念理解。任何帮助表示赞赏。 谢谢。
答案 0 :(得分：-1)
我通过阅读一本非常有趣的书来学习逻辑回归（机器学习），该书为您提供了一些基础知识，但也为您提供了困难的算法。您可以在第3章的https://github.com/rasbt/python-machine-learning-book/tree/master/code中找到代码示例，但您会发现逻辑回归而不是算法。 无论如何，fit（）方法用于根据算法调整数据，仅用于此目的，据我所知，没有算法，仅用于“组织”目的。逻辑回归中的predict（）方法使用S型函数和对数表达式。 现在我不记得算法的计算了（抱歉），但是我可以加入我们一些算法。
答案 1 :(得分：-1)
在机器学习中，您想建立一个真实世界概念的模型。例如，植物的生长与其获得的水量之间很可能存在关联。 fit（）会尝试将这种相关性拟合为数学公式（=模型，是对现实世界概念的简化）。 拟合意味着算法将根据其先前猜测中的错误尝试重复调整其估计值。
请注意，您对第二个问题的意思是什么，但是如果您问线性回归是如何工作的，则可以签出维基百科：https://en.wikipedia.org/wiki/Linear_regression 它很好地解释了基本概念。
但是请记住，LinearRegression（）将执行多变量线性回归，因此它仅在deND平面而不是2D中为线性关系。