Question

因此，我可以使用sklearn.linear_model.LinearRegression来处理我的数据 - 至少在不引发任何异常或警告的情况下运行脚本。唯一的问题是，我不是试图用matplotlib绘制结果，而是想看模型的估算器和诊断统计数据。

如何获得模型摘要，例如坡度和截距（B0，B1），R平方调整等，以在控制台中显示或填充变量而不是绘制此变量？

这是我运行的脚本的通用副本：

import numpy as p
import pandas as pn
from sklearn import datasets, linear_model

z = pn.DataFrame(
{'a' : [1,2,3,4,5,6,7,8,9],
'b' : [9,8,7,6,5,4,3,2,1]
})



a2 = z['a'].values.reshape(9,1)
b2 = z['b'].values.reshape(9,1)

reg = linear_model.LinearRegression(fit_intercept=True)
reg.fit(a2,b2)
# print(reg.get_params(deep=True)) I tried this and it didn't print out the #information I wanted

# print(reg) # I tried this too

这样运行没有错误，但控制台中没有出现除此之外的输出：

{＆＃39; n_jobs＆＃39;：1，＆＃39; fit_intercept＆＃39;：是的，＆＃39; copy_X＆＃39;：是的，＆＃39;规范化＆＃39;：False} LinearRegression（copy_X = True，fit_intercept = True，n_jobs = 1，normalize = False）

感谢您提供有关如何打印模型摘要的任何信息。

Answer 1

sklearn的API是围绕拟合训练数据而设计的，然后生成对测试数据的预测，而不会暴露很多有关模型如何适合的信息。虽然有时您可以通过访问拟合模型对象的coef_属性来找到模型的估计参数，但您在参数描述功能方面却找不到多少。这是因为可能无法以统一的方式提供此信息。 API旨在让您将线性回归视为随机森林。

由于您对线性模型感兴趣，因此您可以从statsmodels库中获取您要查找的信息，包括置信区间，拟合度统计数据等。有关详细信息，请参阅其OLS示例：http://statsmodels.sourceforge.net/devel/examples/notebooks/generated/ols.html。

Scikit Learn sklearn.linear_model.LinearRegression：查看生成的模型的结果

1 个答案: