Scikit - 线性回归 - 提取指标

Question

• Python 3
• scikit-learn-0.23.1
• numpy-1.18.4
• scipy-1.4.1

是否可以提取拟合回归模型所需的迭代次数（通过梯度下降）？除了一般的模型评估指标，我没有看到任何与迭代次数相关的内容。

regressor = LinearRegression()  
regressor.fit(xtr, ytr)

print('Mean Absolute Error:', metrics.mean_absolute_error(yt, y_pred))  
print('Mean Squared Error:', metrics.mean_squared_error(yt, y_pred))  
print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(yt, y_pred)))

Scikit documentation 显示所有可能的度量模块

Answer 1

正如 Gilad 所指出的，使用 OLS 计算线性回归问题不涉及迭代。我在这里猜测您正在尝试使用梯度下降实现线性回归模型。对于后一种，迭代次数是在执行之前定义的。

所以要使用梯度下降，您可以手动编写algorithm (Another link)，也可以使用来自 Sklearn 的Ridge 回归或Lasso 回归。这里有一个 n_iter 参数，您可以通过它获得确定系数所需的迭代次数。

sklearn.linear_model.Ridge 类(alpha=1.0, *, fit_intercept=True, normalize=False, copy_X=True, max_iter=None, tol=0.001, solver='auto', random_state =无）

属性

n_iter : _None 或形状的 ndarray (n_targets,) 每个目标的实际迭代次数。仅适用于 sag 和 lsqr 求解器。其他求解器将返回 None。

注意：您可以将solver定义为sag or saga，以使用梯度下降法。