主要为大家详细介绍了Python数据拟合与广义线性回归算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

给定输入输出对的示例，根据所给输入预测结果，都应该使用监督学习 1分类与回归 分类问题目标：预测类别便签（class label） 回归问题目标：预测连续值，例如：根据教育水平、年龄、居住地预测一个人年收入，可以在给定范围内任意取值；根据上一年产量、天气和员工数预测玉米农场今年产量 输出是否具有某种连续性 2泛化、过拟合、欠拟合 训练集训练出的模型能够精确的应用到测试集，则称这个模型能够从训练集泛化到测试集；若训练的模型过分关注训练集中的属性，对训练集准确率高，对测试集准确率低，则成为过拟合；反

数据框 这是一个C ++统计库，提供类似于Python中的Pandas包的接口。 一个DataFrame可以具有一个索引列和许多内置或用户定义类型的数据列。 您可以采用许多不同的方式对数据进行切片。 您可以加入，合并，分组数据。 您可以对数据运行各种统计，摘要和ML算法。 您可以轻松添加自定义算法。 您可以进行多列排序，自定义选择和删除数据。 和更多 … DataFrame还以访问者的形式包含了大量的分析例程-请参阅下面的。 这些从基本统计数据（例如均值，标准偏差，返回等）到更复杂的分析（如亲和