sklearn.linear_model模块有什么方法

sklearn.linear_model模块是scikit-learn库中用于线性模型的模块，它提供了一系列用于线性回归、逻辑回归和其他线性模型的方法。以下是一些常用的方法：

1. `LinearRegression()`: 线性回归模型，用于拟合线性关系。

2. `LogisticRegression()`: 逻辑回归模型，用于二分类问题。

3. `Ridge()`: 岭回归模型，用于处理多重共线性问题。

4. `Lasso()`: Lasso回归模型，用于进行特征选择和稀疏化。

5. `ElasticNet()`: 弹性网络模型，结合了岭回归和Lasso回归的特点。

6. `Lars()`: 最小角回归模型，可以快速计算LARS路径。

7. `LassoLars()`: Lasso最小角回归模型，用于进行特征选择。

8. `OrthogonalMatchingPursuit()`: 正交匹配追踪模型，逐步逼近最优解。

这些方法提供了不同类型的线性模型，可以根据需求选择合适的方法进行建模和预测。