我仅一个星期就了解ML的线性回归算法的概念。在重新阅读代码并向我自己解释所有内容时，我陷入了.fit（）和.score（）的困境，但我不了解这些功能的实际工作方式。 我知道.fit（）训练数据，而.score（）返回训练模型的准确性。但是我的问题是，当我执行.fit（x，y）时，该函数是否根据x和y的数据点绘制一条最佳拟合线？然后使用.predict（Z），我们在x轴上给出任何值，而只是获得相应的y轴值，那是我们的预测输出？ 我的问题是.score（a，b）会发生什么？我知道它会返回确定值的系数，但是它是否再次根据a和b数据点绘制了一条最佳拟合线？因此，在这种情况下，我们只是使用.fit（）训练了一个模型，现在再次使用.score（）训练了另一个具有不同功能和标签的模型。我真的很困惑。请向我解释.fit（）和.score（）的工作方式。谢谢！