Question

md    = dev_df['MD'].values.astype('float').reshape(1,-1)
tvdss = dev_df['TVDSS'].values.astype('float').reshape(1,-1)

model = linear_model.LinearRegression()
model.fit(md, tvdss)

f = model.predict(X)[0]

>>> model.coef_.shape
(78, 78)

>>> model.coef_
array([[0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       ...,
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.]])

>>> type(md)
numpy.ndarray

>>> type(tvdss)
numpy.ndarray

我有上面的代码，我真的不明白为什么model.coef_返回一个矩阵而不是一个值。我希望它是一个像0.3或13这样的值，但不是。

Answer 1

根据文档：

coef_：数组，形状（n_features，）或（n_targets，n_features）

线性回归问题的估计系数。如果在拟合过程中传递了多个目标（y 2D），则为2D数组   形状（n_targets，n_features），而如果仅传递了一个目标，   这是一个长度为n_features的一维数组。

您通过了多个目标，因此得到了形状为(n_targets, n_features)的2D数组。

Answer 2

尝试：

tvdss = dev_df['TVDSS'].values.astype('float')

看看会发生什么。

根据documentation：

y：类似数组的形状（n_samples个）

简单地说，y必须是1d向量，而您要传递1d列。

sklearn-model.coef_返回NxN矩阵

2 个答案: