了解 Sklearn 的线性回归加权

Question

我很难让sklearn 的线性回归中的加权数组影响输出。

这是一个没有加权的例子。

import numpy as np
import seaborn as sns
from sklearn import linear_model

x = np.arange(0,100.)
y = (x**2.0)

xr = np.array(x).reshape(-1, 1)
yr = np.array(y).reshape(-1, 1)

regr = linear_model.LinearRegression()
regr.fit(xr, yr)
y_pred = regr.predict(xr)

sns.scatterplot(x=x, y = y)
sns.lineplot(x=x, y = y_pred.T[0].tolist())

现在，当添加权重时，我得到了相同的最佳拟合线。我希望看到回归有利于曲线的较陡部分。我做错了什么？

w = [p**2 for p in x.reshape(-1)]
wregr = linear_model.LinearRegression()
wregr.fit(xr,yr, sample_weight=w)
yw_pred = regr.predict(xr)

wregr = linear_model.LinearRegression(fit_intercept=True)
wregr.fit(xr,yr, sample_weight=w)
yw_pred = regr.predict(xr)

sns.scatterplot(x=x, y = y)                      #plot curve
sns.lineplot(x=x, y = y_pred.T[0].tolist())      #plot non-weighted best fit line
sns.lineplot(x=x, y = yw_pred.T[0].tolist())     #plot weighted best fit line

Answer 1

这是由于您的代码中的错误。您的加权模型的拟合应该是：

yw_pred = wregr.predict(xr)

而不是

yw_pred = regr.predict(xr)

这样你得到：