[英]sklearn Linear Regression coefficients have single value output
我正在使用数据集来查看薪水和大学 GPA 之间的关系。 我正在使用 sklearn 线性回归模型。 我认为系数应该是截距和 coff。 对应特征的值。 但该模型给出了一个单一的值。
from sklearn.cross_validation import train_test_split
from sklearn.linear_model import LinearRegression
# Use only one feature : CollegeGPA
labour_data_gpa = labour_data[['collegeGPA']]
# salary as a dependent variable
labour_data_salary = labour_data[['Salary']]
# Split the data into training/testing sets
gpa_train, gpa_test, salary_train, salary_test = train_test_split(labour_data_gpa, labour_data_salary)
# Create linear regression object
regression = LinearRegression()
# Train the model using the training sets (first parameter is x )
regression.fit(gpa_train, salary_train)
#coefficients
regression.coef_
The output is : Out[12]: array([[ 3235.66359637]])
尝试:
regression = LinearRegression(fit_intercept =True)
regression.fit(gpa_train, salary_train)
结果将在
regression.coef_
regression.intercept_
为了更好地理解您的线性回归,您可能应该考虑另一个模块,以下教程有帮助: http : //statsmodels.sourceforge.net/devel/examples/notebooks/generated/ols.html
salary_pred = regression.predict(gpa_test)
print salary_pred
print salary_test
我认为 s alary_pred = regression.coef_*salary_test
。 有一个尝试,印刷salary_pred
和salary_test
通过pyplot。 图可以解释一切。
在这里,您正在根据单个特征gpa
和目标salary
训练模型:
regression.fit(gpa_train, salary_train)
如果您在多个特征上训练您的模型,例如python_gpa
和java_gpa
(目标为salary
),那么您将得到两个表示方程系数的输出(对于线性回归模型)和一个截距。
等价于: ax + by + c = salary
(其中c
是截距, a
和b
是系数)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.