python - 在scikit-learn中拟合后如何得到方程？

Question

我想使用 scikit-learn用于计算一些数据的方程式。我使用此代码为我的数据拟合曲线:

svr_lin = SVR(kernel='linear', C=1e3)
y_lin = svr_lin.fit(X, y).predict(Xp)

但我不知道我应该怎么做才能得到拟合模型的确切方程。 你知道我如何得到这些方程式吗？

Answer 1

这是一个例子:

from sklearn.datasets import load_boston
from sklearn.svm import  SVR
boston = load_boston()
X = boston.data
y = boston.target
svr = SVR(kernel='linear')
svr.fit(X,y);
print('weights: ')
print(svr.coef_)
print('Intercept: ')
print(svr.intercept_)

输出是:

weights: 
[[-0.14125916  0.03619729 -0.01672455  1.35506651 -2.42367649  5.19249046
  -0.0307062  -0.91438543  0.17264082 -0.01115169 -0.64903308  0.01144761
  -0.33160831]]
Intercept: 
[ 11.03647437]

对于线性内核，您的拟合模型是一个超平面 (ω^[T] x+ b = 0)，其中 ω 是权重向量，b 是截距。