多元线性回归的默认参数

多元线性回归是一种统计分析方法，用于预测因变量如何依赖于一个或多个自变量。Python中的sklearn库提供了一个LinearRegression类来进行多元线性回归，它有一些默认参数：

1. **fit_intercept** (默认True)：是否在模型中添加截距项，即常数项。如果设为False，则所有数据点都通过y轴的原点。

2. **normalize** (默认False)：是否对输入特征做标准化处理，使其均值为0，标准差为1。这有助于防止某些特征权重过大。

3. **copy_X** (默认True)：是否深拷贝输入的数据X，以防改变原始数据。

4. **n_jobs** (默认None)：并行计算的CPU核心数。若为-1，则使用所有可用核心。

5. **positive** (仅适用于Logistic Regression)：当此参数设置为True时，强制正则化系数为非负。

6. **solver** (如未指定，默认为'auto')：可以选择不同的求解方法，如'lstsq'、'lbfgs'、'sgd'等。

7. **tol** (收敛阈值)：解决优化问题时允许的误差。

8. **warm_start** (默认False)：如果是True，那么训练过程可以利用上一次的结果初始化，加速学习。