在 sklearn 中训练/拟合线性回归，只有一个特征/变量

【问题标题】：Train/fit a Linear Regression in sklearn with only one feature/variable在 sklearn 中训练/拟合线性回归，只有一个特征/变量
【发布时间】：2020-02-11 06:15:55
【问题描述】：

所以我理解套索回归，但我不明白为什么它需要两个输入值来预测另一个值，而它只是一个二维回归。

它在文档中说

clf.fit([[0,0], [1, 1], [2, 2]], [0, 1, 2])

我不明白。为什么是[0,0] 或[1,1] 而不仅仅是[0] 或[1]？

【问题讨论】：

标签： scikit-learn regression

【解决方案1】：

[[0,0], [1, 1], [2, 2]]

表示您有 3 个样本/观察值，每个样本/观察值由 2 个特征/变量（二维）表征。

确实，这 3 个样本可能只有 1 个特征/变量，但仍然能够拟合模型。

使用 1 个功能的示例。

from sklearn import datasets
from sklearn import linear_model

# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :1]  # we only take the feature
y = iris.target

clf = linear_model.Lasso(alpha=0.1)

clf.fit(X,y)

print(clf.coef_)
print(clf.intercept_)

【讨论】：

我尝试使用 1 个特征，但即使我使用的是 Lasso 回归，预测模型也只是遵循平行于 x 轴的直线。如何解决这个问题？