[英]Keras model.predict gives different results to model.evalute
[英]Function equation from sklearn linear regression / Calculating with coefficients gives different results than model.predict(x)
我正在尝试获取使用 sklearn 创建的线性回归 model 的方程。 但是,当我尝试使用 model 中的系数手动计算预测时,我得到了奇怪的结果。 我想我在某个地方犯了一个错误,但我自己无法弄清楚......
这是我的代码:
# Many data points in Pandas DataFrame "filtered_data"
predictors = ["Druckwinkel korrigiert [°]", "Druckwinkel sq.", "Drehzahl [1/min]"]
regressant = "Kraft [N]"
x = filtered_data[predictors].to_numpy()
y = filtered_data[regressant].to_numpy()
model = LinearRegression()
model.fit(x, y)
print("Intercept:", model.intercept_)
print("Coefficients:", model.coef_)
print("R²:", model.score(x, y))
这打印:
Intercept: 150070.5970260448
Coefficients: [-1.28305930e+04 2.73978667e+02 1.48116871e-01]
R²: 0.9578737003844259
如果我做
model.predict(np.array([28, 28**2, 2768]).reshape(1, -1))
我明白了
array([6023.2553988])
这似乎是合理的。 但是,如果我使用系数和截距来计算 Y,如下所示:
def load(contact_angle, shaft_speed):
return 150070.59702 - 12830.59299 * (contact_angle ** 2) + 273.97866 * contact_angle + 0.14811 * shaft_speed
load(28, 2768)
我明白了
-9901032.920822442
这根本不是我所期望的......
任何人都可以帮忙吗?
我认为您正在预测[28, 28**2, 2768]
并且您的手动计算正在通过[28**2, 28, 2768]
。
要解决这个问题:
def load(contact_angle, shaft_speed):
return 150070.59702 - 12830.59299 * contact_angle + 273.97866 * (contact_angle ** 2) + 0.14811 * shaft_speed
load(28, 2768)
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.