Python 回归的fit（）和predict（）方法中的逻辑

有人能给我解释一下机器学习算法中使用的

fit（）

和

predict（）

的概念吗

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。调用

fit（）

方法后，我们根据什么获得上述输出

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。感谢您的帮助。

---

谢谢。

我通过阅读一本非常有趣的书学习了逻辑回归（机器学习），这本书给了你一些基础知识，也给了你一些困难的算法。您可以在第3章找到代码示例，您将找到逻辑回归，但不会找到算法。 无论如何，fit（）方法用于在算法中调整数据，它只是为了它，据我所知，没有算法，只是为了“组织”的目的。logistic回归中的predict（）方法使用sigmoid函数和对数表达式。

---

现在我不记得算法计算了（对不起），但我可以得到一些我们的。

在机器学习中，你想建立一个真实世界概念的模型。例如，植物的生长和获得的水量之间很有可能存在相关性。fit（）将尝试在数学公式中拟合这种相关性（=模型，现实世界概念的简化）。 拟合意味着算法将根据他先前猜测的误差，反复调整其估计值

请注意第二个问题的确切含义，但如果您要问线性回归是如何工作的，您可以查看维基百科： 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，因此它仅在第二个平面中是线性关系，而不是在二维平面中

查阅“计量经济学”、“最小二乘法”和“最大似然法”欢迎来到SO，这是关于具体的编码问题，而不是教程服务。另外，关于“概念”和“后端计算”的问题可以说都过于宽泛，而且相当模糊——在任何情况下都是离题的……“fit（）方法就是为了它，据我所知，没有算法”都是错误的（这里是所有算法的精髓所在），也可以说不是答案；此外，请避免回答社区指南中建议的公然离题的问题-请参阅和@desertnaut，他们不知道这些问题。谢谢你指出这一点。我正在删除我的答案。“不确定你的意思，但请参阅维基百科以获得解释”可以说不是答案；请参考我在其他答案中关于回答离题问题的评论。