我正在使用Scikit-learn库进行线性回归。一切都很简单直接。用6行代码就可以完成任务。然而，我想知道背后到底发生了什么。

由于我是机器学习的新手，我的提问可能不太正确，但我很好奇Scikit-learn在其线性回归方法中使用什么算法来最小化均方误差。

回答：

根据文档：

从实现的角度来看，这只是普通的最小二乘法（scipy.linalg.lstsq）包装为预测对象。

你也可以查看源代码这里，它调用了linalg.lstsq。

关于背后发生了什么的额外说明：

如果线性公式是a * x + b，你可以通过训练模型的coef_和intercept_属性访问系数（a）和偏置（b）。

一个玩具示例，生成从3个点生成的单位对角线，以展示coef_和intercept_属性：

from sklearn.linear_model import LinearRegressionX = np.array([[1], [2], [3]])y = np.array([1, 2, 3])lg = LinearRegression()lg.fit(X, y)lg.coef_ # 1lg.intercept_ # ~ 0