使用 sklearn 运行线性回归时输出系数答案

【问题标题】：Outputting coefficients when running linear regression using sklearn使用 sklearn 运行线性回归时输出系数
【发布时间】：2016-10-05 11:08:45
【问题描述】：

我正在尝试对数据集运行简单的线性回归并检索系数。来自.csv 文件的数据如下所示：

"","time","LakeHuron"
"1",1875,580.38
"2",1876,581.86
"3",1877,580.97
"4",1878,580.8
...

import pandas as pd
import numpy as np
from sklearn import datasets, linear_model

def Main():
    location = r"~/Documents/Time Series/LakeHuron.csv"
    ts = pd.read_csv(location, sep=",", parse_dates=[0], header=None)

    ts.drop(ts.columns[[0]], axis=1, inplace=True)

    length = len(ts)
    x = ts[1].values
    y = ts[2].values

    x = x.reshape(length, 1)
    y = y.reshape(length, 1)

    regr = linear_model.LinearRegression()
    regr.fit(x, y)
    print(regr.coef_)

if __name__ == "__main__":
    Main()

因为这是一个简单的线性模型，所以 $Y_t = a_0 + a_1*t$，在这种情况下应该是 $Y_t = 580.202 -0.0242t$。运行上述代码时打印的所有内容都是[[-0.02420111]]。有没有办法得到第二个系数580.202？

我查看了http://scikit-learn.org/stable/modules/linear_model.html 上的文档，它在数组中输出了两个变量。

【问题讨论】：

标签： python-3.x scikit-learn

【解决方案1】：

看起来你只有一个 X 和一个 Y，所以输出是正确的。试试这个：

#coef_ : array, shape (n_features, ) or (n_targets, n_features)

    print(regr.coef_)

#intercept_ : array  Independent term in the linear model.

    print(regr.intercept_)

http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html#sklearn.linear_model.LinearRegression

【讨论】：