sklearn 线性回归系数具有单值输出

Question

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]])

Answer 1

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

Answer 2

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。

Answer 3

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）。