sklearn LinearRegression，为什么模型只返回一个系数？

Question

我正在一个简单的数据集上尝试 scikit-learn LinearRegression 模型（来自 Andrew NG coursera 课程，我并不重要，看图以供参考）

这是我的脚本

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

dataset = np.loadtxt('../mlclass-ex1-008/mlclass-ex1/ex1data1.txt', delimiter=',')
X = dataset[:, 0]
Y = dataset[:, 1]


plt.figure()
plt.ylabel('Profit in $10,000s')
plt.xlabel('Population of City in 10,000s')
plt.grid()
plt.plot(X, Y, 'rx')

model = LinearRegression()
model.fit(X[:, np.newaxis], Y)

plt.plot(X, model.predict(X[:, np.newaxis]), color='blue', linewidth=3)

print('Coefficients: \n', model.coef_)

plt.show()

我的问题是： 我希望这个线性模型有 2 个系数：截距项和 x 系数，我怎么只得到一个？

Answer 1

哎呀

我没有注意到intercept是模型的一个单独的属性！

print('Intercept: \n', model.intercept_)

查看文档here

intercept_ : 数组

线性模型中的独立项。