why 要有交叉验证 ？
当模型建立后，我们需要评估下模型的效果，例如，是否存在欠拟合，过拟合等。但是，在我们建立模型时，我们不能使用全部数据用于训练（考试的示例）。因此，我们可以将数据集分为训练集与测试集。然而，模型并不是绝对单一化的，其可能含有很多种不同的配置方案（参数），这种参数不同于我们之前接触过的权重（w）与偏置（b），这是因为，权重与偏置是通过数据学习来的，而这种参数我们需要在训练前事先指定（例如，正则化的参数alpha等），而这些参数取值不同，也可能会导致训练出来模型的结果也不同。我们将这种参数称为超参数。可以说，超参数不是通过训练得出（事先指定），但是超参数的取值可能会对模型性能造成较大的影响。
因此，我们需要不断去调整超参数的值，进而选择一个合适的超参数，使得模型的表现最优（或接近最优）。我们可以使用测试集去验证这一点。然而，这会导致选择的合适超参数后，无法去检验模型最终的效果。此时，我们可将数据进一步划分，即将原来的训练集再次切割，分为两部分：训练集与验证集。训练集用来建立模型（与之前相同），验证集用来选择合适的超参数，而测试集用于最终模型效果的评估（测试集应该总是作为最终结果的评估，而不是作为中间结果的评估）。
前置解释
以前模型参数单一，LinearRegression没有参数。
整个模型确定好了，再去测试集里跑。
现在ridge模型里面有一个alpha了，训练集上 训练 得到w。
还得看一下0.2的效果，右边的测试集看0.2的效果好不好，不好换成 0.6。
那么就缺数据集了；W是机器学习学出来的，Alpha是你创建的时候实现准备好的。
Alpha就是超参数 ，是指定的，不是学出来的。
测试集：永远是模型确定完毕（alpha调参完成之后）用的。
问题：训练集太少；用 k折交叉验证。
缺点：需要计算五次。
之前给的alpha是指定的，不一定是最好的。
给了不同的超参数，模型表现更好了。
使用哪个参数？用交叉验证
交叉验证（k折交叉验证）
将数据分为训练集，验证集与测试集后，可以解决上述的问题，不过，这样划分依然具有缺陷：
- 划分验证集后，会将模型的训练数据进一步减少，不利于模型的训练。
- 不同的划分方式，模型的结果也可能不尽相同。
我们可以使用交叉验证来解决以上问题。在训练集中，我们分成k个部分，然后使用其中的k - 1个部分作为训练集，剩下的一部分作为验证集来对模型进行评估。如此重复的进行k次，最终取k次评估的平均值。这种交叉验证方式我们称为“k折交叉验证”。
k折交叉验证的优缺点如下：
- 优点：不需要额外的验证集数据，因此不会令训练集数据较少。
- 缺点：需要重复计算k次，大大增加的程序的运行时间。
交叉验证程序解释
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures
# LassoCV，RidgeCV，ElasticNetCV CV（cross validation 交叉验证）
# 能够进行交叉验证的Lasso， Ridge与 ElasticNet。
from sklearn.linear_model import LassoCV, RidgeCV, ElasticNetCV
mpl.rcParams["font.family"] = "SimHei"
mpl.rcParams["axes.unicode_minus"] = False
def true_fun(X):
return np.cos(1.5 * np.pi * X)
np.random.seed(0)
n_samples = 30
x_train = np.sort(np.random.rand(n_samples))
y_train = true_fun(x_train) + np.random.randn(n_samples) * 0.1
X_train = x_train[:, np.newaxis]
# 定义alpha列表，定义alpha参数的候选值，用于进行交叉验证。
alphas = [0.001, 0.005, 0.01, 0.05, 0.1, 0.5]
# 注意，在交叉验证类中（例如，LassoCV），参数为alphas，而不是alpha。
models = [("L1正则化：", LassoCV(alphas=alphas, max_iter=5000)), ("L2正则化", RidgeCV(alphas=alphas)),
("弹性网络", ElasticNetCV(l1_ratio=0.5, alphas=alphas))]
plt.figure(figsize=(18, 5))
for i, (name, model) in enumerate(models):
plt.subplot(1, 3, i + 1)
pipeline = Pipeline([("poly", PolynomialFeatures(degree=15)), ("model", model)])
# cv cross validation 指定交叉验证的份数。即进行几折交叉验证。
pipeline.set_params(model__cv=10)
pipeline.fit(X_train, y_train)
train_score = pipeline.score(X_train, y_train)
# 当训练完毕，进行交叉验证的超参数就也确定了。
print(pipeline.named_steps["model"].alpha_)
x_test = np.linspace(0, 1, 100)
y_test = true_fun(x_test)
X_test = x_test[:, np.newaxis]
test_score = pipeline.score(X_test, y_test)
plt.plot(X_test, pipeline.predict(X_test), label="预测线")
plt.plot(X_test, true_fun(X_test), label="真实线")
plt.scatter(X_train, y_train, c='b', s=20, label="样本数据")
plt.xlabel("x")
plt.ylabel("y")
plt.xlim((0, 1))
plt.ylim((-2, 2))
plt.legend(loc="best")
plt.title(f"{name} 训练集：{train_score:.3f} 测试集：{test_score:.3f}")
plt.show()
why 要有模型持久化 ？
当我们训练好模型后，就可以使用模型进行预测。然而，这毕竟不像打印一个Hello World那样简单，当我们需要的时候，重新运行一次就可以了。在实际生产环境中，数据集可能非常庞大，如果在我们每次需要使用该模型时，都去重新运行程序，势必会耗费大量的时间。
为了方便以后能够复用，我们可以将模型保存，在需要的时候，直接加载之前保存的模型，就可以直接进行预测。其实，保存模型，就是保存模型的参数（结构），在载入模型的时候，将参数（结构）恢复成模型保存时的参数（结构）而已。
保存模型
注意：保存模型时，保存位置的目录必须事先存在，否则会出现错误。
from sklearn.datasets import load_diabetes
# return_X_y参数 对函数的返回内容有影响。默认为False。
# 当设置为True时，仅返回训练集数据，与训练集数据所对应的标签（只返回X与y）。
load_diabetes(return_X_y=True)
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
# 可以用来保存与恢复模型。
from sklearn.externals import joblib
X, y = load_diabetes(return_X_y=True)
train_X, test_X, train_y, test_y = train_test_split(X, y, test_size=0.25, random_state=0)
lr = LinearRegression()
lr.fit(train_X, train_y)
# 对模型对象进行持久化操作。（保存模型对象。）
# 保存的目录必须事先存在，否则会出现错误。
joblib.dump(lr, "lr.model")
载入模型
我们可以载入之前保存的模型，进行预测。
# 从之前保存的模型文件中恢复模型的状态（模型的结构，参数等信息）
model = joblib.load("lr.model")
# model.coef_
# print(model.predict(test_X))
Return_x_y 对结果是有影响的，
看到是二进制，里面还是运用pickle
线性回归的类
参数值出来了
训练一次就行了。