Scikit Learn sklearn.linear_model.LinearRegression：查看模型生成的结果答案

【问题标题】：Scikit Learn sklearn.linear_model.LinearRegression: View the results of the model generatedScikit Learn sklearn.linear_model.LinearRegression：查看模型生成的结果
【发布时间】：2017-09-20 09:37:13
【问题描述】：

所以，我可以让 sklearn.linear_model.LinearRegression 来处理我的数据 - 至少可以在不引发任何异常或警告的情况下运行脚本。唯一的问题是，我不是想用 matplotlib 绘制结果，而是想查看模型的估计量和诊断统计数据。

如何获得模型摘要，例如斜率和截距 (B0,B1)、R 平方调整等，以显示在控制台中或填充到变量中而不是绘制出来？

这是我运行的脚本的通用副本：

import numpy as p
import pandas as pn
from sklearn import datasets, linear_model

z = pn.DataFrame(
{'a' : [1,2,3,4,5,6,7,8,9],
'b' : [9,8,7,6,5,4,3,2,1]
})



a2 = z['a'].values.reshape(9,1)
b2 = z['b'].values.reshape(9,1)

reg = linear_model.LinearRegression(fit_intercept=True)
reg.fit(a2,b2)
# print(reg.get_params(deep=True)) I tried this and it didn't print out the #information I wanted

# print(reg) # I tried this too

这运行没有错误，但控制台中没有出现除此之外的输出：

{'n_jobs': 1, 'fit_intercept': True, 'copy_X': True, 'normalize': False} 线性回归(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

感谢您提供有关如何获取此信息以打印模型摘要的任何信息。

【问题讨论】：

标签： python-3.x pandas scikit-learn regression linear-regression

【解决方案1】：

sklearn 的 API 是围绕拟合训练数据而设计的，然后对测试数据生成预测，而不会暴露太多关于模型如何拟合的信息。虽然您有时可以通过访问拟合模型对象的coef_ 属性找到模型的估计参数，但您不会在参数描述功能方面找到太多。这是因为可能无法以统一的方式提供此信息。该 API 旨在让您将线性回归视为与随机森林相同。

由于您对线性模型感兴趣，因此您可以从 statsmodels 库中获取所需的信息，包括置信区间、拟合优度统计信息等。有关详细信息，请参阅他们的 OLS 示例：http://statsmodels.sourceforge.net/devel/examples/notebooks/generated/ols.html。

【讨论】：

感谢您提供此信息。