sklearn - model.coef_ 返回 NxN 矩阵答案

【问题标题】：sklearn - model.coef_ returns NxN matrixsklearn - model.coef_ 返回 NxN 矩阵
【发布时间】：2019-02-05 02:01:25
【问题描述】：

md    = dev_df['MD'].values.astype('float').reshape(1,-1)
tvdss = dev_df['TVDSS'].values.astype('float').reshape(1,-1)

model = linear_model.LinearRegression()
model.fit(md, tvdss)

f = model.predict(X)[0]

>>> model.coef_.shape
(78, 78)

>>> model.coef_
array([[0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       ...,
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.]])

>>> type(md)
numpy.ndarray

>>> type(tvdss)
numpy.ndarray

我有上面的代码，我真的不明白为什么model.coef_ 返回一个矩阵，而不是单个值。我希望它是像 0.3 或 13 这样的单个值，但它不是。

【问题讨论】：

md和tvdss的形状是什么？
@Tomothy32 两者 (1, 78)

标签： python scikit-learn linear-regression

【解决方案1】：

根据文档：

coef_ : 数组、形状 (n_features, ) 或 (n_targets, n_features)

线性回归问题的估计系数。如果在拟合期间传递了多个目标（y 2D），则这是一个 2D 数组形状 (n_targets, n_features)，而如果只通过一个目标，这是一个长度为 n_features 的一维数组。

您传递了多个目标，因此得到了一个形状为 (n_targets, n_features) 的二维数组。

【讨论】：

我不明白我通过了多个目标是什么意思。我所做的只是为model.fit(md, tvdss) 输入X 和Y。我在哪里通过了多个目标？

【解决方案2】：

试试：

tvdss = dev_df['TVDSS'].values.astype('float')

看看会发生什么。

根据documentation：

y : 类数组，形状 (n_samples,)

简单来说，y 必须是一维向量，而您传递的是一维列。

【讨论】：