当我使用 sklearn 进行线性回归时，为什么我只得到一个 coef_？答案

【问题标题】：Why I get just one coef_, when I am doing my linear regression with sklearn?当我使用 sklearn 进行线性回归时，为什么我只得到一个 coef_？
【发布时间】：2021-09-17 04:21:10
【问题描述】：

这是我的代码和下面的输出。我正在用 sklearn-lib 尝试它，女巫的作品。也许 x.reshape 是假的？

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sympy.stats import E

#My Data
y = np.array([1.88,3.65,5.86,8.43,11.47,15.98])
x = np.array([1,2,3,4,5,6])

linreg = LinearRegression()

#Grafikgrösse einstellen
x = x.reshape(-1,1)
linreg.fit(x,y)

y_pred = linreg.predict(x)

plt.scatter(x,y)
plt.plot(x,y_pred, color="red")
plt.title("'Linearer Verlauf' durch t=0")
plt.xlabel("Anzahl Umdrehungen")
plt.ylabel("Periode(s)")
plt.legend(['t1'])
plt.show()
print("r^2 =",linreg.score(x,y))
print(linreg.coef_)

【问题讨论】：

您在寻找intercept_ 属性吗？
你的x只有一个特征（每个y值对应一个x值），所以你的模型只能有一个coef_
我想要 y = ax +b @IbrahimBerber 的 a 和 b 系数
不，我计算了一下，b 应该是-1.77，a 是正确的@dm2

标签： python scikit-learn linear-regression

【解决方案1】：

公式：`y = a*x + b`

您的a 由linreg.coef_ 术语计算，它有一个值（因为只有一个术语依赖于x。+b 术语由linreg.intercept_ 访问，从而得到-1.7746。

【讨论】：

公式：y = a*x + b

公式：`y = a*x + b`