python - 多元线性回归中的归一化

Question

我有一个数据集，我想为其构建一个多元线性回归模型。为了比较不同的自变量，我用它们的标准差对它们进行了归一化。为此，我使用了 sklearn.linear_model。我认为这种归一化不会影响决定系数，即预测的 R2 值；只有估计器的参数会有所不同。我在使用 LinearRegression 时得到了这个预期结果，但是当我使用 ElasticNet 时结果不同。

我想知道我关于 R2 值在归一化期间不变的假设是否有效。如果它无效，是否有另一种方法可以通过能够相对比较变量的重要性来实现我想要的？

import numpy as np
from sklearn.linear_model import ElasticNet, LinearRegression
from sklearn import datasets

# Load the data
diabetes = datasets.load_diabetes()
X = diabetes.data
y = diabetes.target
# Standardize data
X1 = X/X.std(0)

regrLinear = LinearRegression(normalize=False)
regrLinear.fit(X,y)

regrLinear.score(X,y)
0.51774942541329372

regrLinear.fit(X1,y)
regrLinear.score(X1,y)
0.51774942541329372

regrLinear = LinearRegression(normalize=True)
regrLinear.fit(X,y)
regrLinear.score(X,y)
0.51774942541329372

regrEN=ElasticNet(normalize=False)    
regrEN.fit(X,y)
regrEN.score(X,y)
0.00883477003833

regrEN.fit(X1,y)
regrEN.score(X1,y)
0.48426155538537963

regrEN=ElasticNet(normalize=True)
regrEN.fit(X,y)
regrEN.score(X,y)
0.008834770038326667

Answer 1

regrEN = ElasticNet(normalize=True)
regrEN.fit(X,y)
print regrEN.score(X,y)
0.00883477003833


regrEN.fit(X1,y)
print regrEN.score(X1,y)
0.00883477003833

我让他们是一样的。我想知道您的脚本如何与 regr.score 一起运行；可能是从您未包含在示例中的代码中打印其他内容？