python-3.x - Scikit 学习 sklearn.linear_model.LinearRegression : View the results of the generated model

Question

因此，我可以获得 sklearn.linear_model.LinearRegression 来处理我的数据 - 至少在不引发任何异常或警告的情况下运行脚本。唯一的问题是，我并没有尝试使用 matplotlib 绘制结果，而是我想查看模型的估计量和诊断统计数据。

如何获得模型摘要，例如斜率和截距 (B0,B1)、调整后的 R 平方等，以显示在控制台中或填充到变量中而不是绘制它？

这是我运行的脚本的通用副本:

import numpy as p
import pandas as pn
from sklearn import datasets, linear_model

z = pn.DataFrame(
{'a' : [1,2,3,4,5,6,7,8,9],
'b' : [9,8,7,6,5,4,3,2,1]
})



a2 = z['a'].values.reshape(9,1)
b2 = z['b'].values.reshape(9,1)

reg = linear_model.LinearRegression(fit_intercept=True)
reg.fit(a2,b2)
# print(reg.get_params(deep=True)) I tried this and it didn't print out the #information I wanted

# print(reg) # I tried this too

这运行没有错误，但控制台中没有出现除此之外的任何输出:

{'n_jobs': 1, 'fit_intercept': True, 'copy_X': True, 'normalize': False}
LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

感谢您提供有关如何打印模型摘要的任何信息。

Answer 1

sklearn 的 API 是围绕拟合训练数据而设计的，然后在测试数据上生成预测，而不会暴露太多关于模型如何拟合的信息。虽然您有时可以通过访问拟合模型对象的 coef_ 属性找到模型的估计参数，但您不会找到太多参数描述功能。这是因为可能没有办法以统一的方式提供这些信息。该 API 旨在让您像对待随机森林一样对待线性回归。

由于您对线性模型感兴趣，因此您可以从 statsmodels 中获取所需的信息，包括置信区间、拟合优度统计信息等。图书馆。查看他们的 OLS 示例:http://statsmodels.sourceforge.net/devel/examples/notebooks/generated/ols.html了解详情。