我对coef_的{{1}}属性提出了一个（可能很愚蠢）的问题。
我只使用两个要素（花瓣宽度和长度）使sklearn.linear_model.LogisticRegression模型适合LogisticRegression。为了获得每个特征的权重，我使用Iris dataset属性，它返回3x2数组。我明白我获得3行的原因是因为3个类和1-vs-rest规则。
但是，我无法理解为什么它只包括w_1和w_2（或theta_1和theta_2，取决于你使用的符号），特征1和2的系数，但缺少w_0（或theta_0），它是截距。< / p>
代码：
coef_答案 0 :(得分：1)
属性'coef_'仅给出决策函数中特征的系数。
你可以使用以下方法获得拦截：
lr.intercept_
答案 1 :(得分：0)
您可能会注意到结尾处看起来很奇怪的下划线
coef_和intercept_中的一个。 Scikit-learn始终存储任何内容
从训练数据得出的属性中，以
下划线。那就是将它们与参数分开
由用户设置。
lr.coef_
形状为（1，n_features）或（n_classes，n_features）的coef_ndarray 决策函数中特征的系数。
当给定问题为二进制时，coef_的形状为（1，n_features）。特别是，当multi_class ='multinomial'时，coef_对应于结果1（真），而-coef_对应于结果0（假）。
lr.intercept_
形状为（1，）或（n_classes，）的intercept_ndarray 拦截功能（也称为偏差）添加到了决策功能中。
如果fit_intercept设置为False，则截距设置为零。当给定问题为二进制时，intercept_的形状为（1，）。特别是，当multi_class ='multinomial'时，intercept_对应于结果1（True），而-intercept_对应于结果0（False）。