我是机器学习的初学者。这只是一个简单的问题，LinearRegression()中的coef_表示什么？我知道它代表系数，但我不明白它的值，高和正的coef_意味着更强的关系吗？另外，如果coef_的值是指数的，这是否意味着我的LinearRegression</em
浏览 1542提问于2019-06-25得票数 1
回答已采纳
我的数据很简单。行是示例，列是特性。虽然最初的类标签是X和Y，但对于线性回归，我将它们改为数字，X改为0，Y改为1。
G1 G2 G3 ...我使用了库sklearn.linear_model.LinearRegression()，它执行得很好。现在，我使用coef_值进行特性选择。在这种情况下，我有两个问题。使用特性的coef_值正确吗？或者，在LinearRegression()中还有其他更好的</
浏览 3提问于2015-12-10得票数 2
回答已采纳
1回答
我是机器学习的新手，我对线性回归截距参数的作用感到困惑。当设置参数fit_intercept=False时，将.coef_ value设置为287.986236，而当设置fit_intercept=True时，获得.coef_ value为225.81285046为什么会有区别？我不知道如何解释结果和比较这些值！lm = LinearRegression(fit_intercept=False).fit(REStaten_[['GROSS_SQUARE_FEE
浏览 2提问于2019-09-28得票数 1
1回答
扩展：比方说，我们有N个样本，每个样本都有3个特征，每个样本都有40个响应变量(当然，也可以是任意数字，但在我的例子中是40 )。import LinearRegressionfrom sklearn.preprocessing importPolynomialFeatures
model = make
浏览 0提问于2018-07-11得票数 1
pandas as pdfrom sklearn.linear_model import LinearRegressionx_data转换为它：poly = poly_feat.fit_transform(x_data)reg = LinearRegression().fit(poly, Y_data)
这给适
浏览 7提问于2022-08-03得票数 0
回答已采纳
1回答
我训练了一个线性回归模型，以多输出的方式进行预测。这是一个时间序列预测问题，它根据一组投入来估计未来12个月的需求。在过去--如果我只是预测一个产值--我会简单地调用以下命令来访问模型的贝塔系数：model.fit(X, Y)print(weights)'MultiOutputRegressor' ob
浏览 1提问于2019-09-16得票数 1
回答已采纳
从科学知识-学习的各种机器学习方法来看，一些模块，如LinearRegression提供系数(coef_)，其他模块(如AdaBoostRegressor )提供feature_importances_为什么会有这种区别？coef_是否类似于feature_importances_来评估变量在预测中的贡献？如何评估模块的特性重要性，而这两个模块都没有？
浏览 0提问于2018-04-14得票数 3
回答已采纳
1回答
回归链中基估计的属性
、、、、
我正在使用RegressorChain在Scikit学习中解决多输出回归问题，但是在对模型进行拟合之后，我需要检索拟合的模型库分类器来访问估计器属性。我试图访问RegerssorChain中的基估计器的属性，但是我做不到。
fit_model=wrapper.fit(X_train, y_train)base_estimat
浏览 0提问于2020-09-20得票数 0
回答已采纳
在计算线性回归并计算出我的R2得分之后，我想要计算我的特征的系数(使用sklearn coef_属性)。
重点是，在我的特征中，我有一些数字和一些分类数据。为了处理LinearRegression()，我让OneHotEncoded我的分类值。因此，在这种情况下，不可能直接计算每个特征的coef_。如何恢复流程，使每个类别功能都有一个单独的列(因为OneHotEncoding意味着
浏览 2提问于2021-10-03得票数 0
我想在有50个变量的数据集上使用SKLearn运行线性回归。但是，在开始训练之前，我想为其中的两个变量设置系数。这有可能吗？
浏览 3提问于2021-12-10得票数 0
回答已采纳
当我在Python语言中使用sklearn进行岭回归时，coef_输出给我一个二维数组。根据，它是(n_targets，n_features)。
我明白特征是我的系数。然而，我不确定目标是什么。这是什么？
浏览 2提问于2016-02-14得票数 1
回答已采纳
1回答
我使用了带5个变量的sklearn LinearRegression()估计器。来预测一个连续的值。估计器返回系数值和偏差的列表：print(linear.coef_)
[ 0.18799
浏览 2提问于2021-10-13得票数 1
回答已采纳
我开始在sci学习中使用一个，我试图用随机森林来估计一个多变量的目标。在遇到这个MultiOutputRegressor之前，我确实开始手动实现，并试图旋转单个输出回归器的输出，以便在任何给定的时间使用单个目标--以及用作输入的其他目标变量--但是它的计算成本越来越高。具体地说：
当y_x被预测的时候，y_1 .y_n (不包括y_x)用作输入特性？当y_n被预测的时候，
浏览 2提问于2020-11-20得票数 0
回答已采纳
1回答
我们可以在回归数据集上拟合一个LinearRegression模型，并检索包含每个输入变量的系数的coeff_属性。这些系数可以为粗略的特征重要性评分提供依据。这假设输入变量具有相同的比例，或者在拟合模型之前已经进行了缩放。
伯特呢？我们能从模型中提取coef_变量并使用它来计算文本分类任务中的特征重要性，如LinearRegression模型吗？
浏览 2提问于2021-12-27得票数 2
回答已采纳
1回答
我不明白的是，怎么才能得到完整的多项式公式呢？打印的coef_的顺序正确吗？我正试图建立一个正确的回归方程，但没有任何效果。from sklearn.preprocessing import PolynomialFeatures']]
poly = PolynomialF
浏览 4提问于2022-01-06得票数 0
回答已采纳
estimator__epsilon=0.1, n_features_to_select=1.0;, score=(train=1.000, test=0.632) total time= 11.0shyper_params = [{'n_features_to_select': [0.25, 0.5, 0.75, 1.0]}]ValueError: when `importance_getter=='
浏览 4提问于2022-02-08得票数 0
1回答
我在特性/X的训练/测试集中有一个额外的列，它只是1，这应该是Xo的系数，它从来不在数据集中。方程中提到的是θo；现在进入拦截，作为一个模型参数，我一直知道这是θ0。所以我有点搞不懂第一个系数的符号是哪一个。我对感到困惑 print(lin_reg.coef_)
>>>[[0. 144.
浏览 4提问于2021-01-23得票数 1
回答已采纳
1回答
科学学习中的目标转换与特征选择
、、、、
Simple Model：RFECV和cross_val_score提供了相同的结果(我们需要将所有折叠交叉验证的平均分数与所有功能的RFECV评分进行比较：0.66 = 0.66，没有问题，结果是可靠的或者，如果我尝试使用TransformedTargetRegressor，就会得到代码中显示的错误:分类器不公开"coef_“或"feature_importances_”属性。as np
X, y = make_friedman1(n_sampl
浏览 4提问于2019-09-29得票数 5
回答已采纳
1回答
我是这样计算系数的： x = np.array(data)这只会在我使用poly.fit_transform(x)
当我使用原始数据时，两种方法的系数是相同的这是什么原因呢？有什么截断吗？
浏览 0提问于2016-02-25得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
