线性回归中的截距

Posted 2023-03-12

【中文标题】线性回归中的截距

【英文标题】：Intercept in linear regression

【发布时间】：2020-01-28 16:06:27

【问题描述】：

我是机器学习的新手，我对线性回归截距参数的作用感到困惑。

设置参数fit_intercept=False时，我得到.coef_值为287.986236，然而，当设置fit_intercept=True时，我得到.coef_值为 225.81285046.

为什么会有差异？而且我不确定如何解释结果并比较这些值！

    lm = LinearRegression(fit_intercept=False).fit(REStaten_[['GROSS_SQUARE_FEET']], REStaten_['SALE_PRICE'])
    lm.coef_
    # 287.986236

    lm = LinearRegression(fit_intercept=True).fit(REStaten_[['GROSS_SQUARE_FEET']], REStaten_['SALE_PRICE'])
    lm.coef_
    # 225.81285046

【问题讨论】：

看[这个] (***.com/questions/46779605/…)

In the LinearRegression method in sklearn, what exactly is the fit_intercept parameter doing?的可能重复

【参考方案1】：

斜率

和

截距

是线性回归中非常重要的概念。

slope

表示直线的陡度，

intercept

表示它与轴相交的位置。 如果我们将 Intercept 设置为 False，则不会在计算中使用任何截距（例如，预计数据已经居中）。

当我们在数据集中使用 LR 模型时，它试图通过增加或减少 Slope 和 Intercept 值来绘制“最佳拟合线”。 您得到不同的 .coef_ 值，因为您在第一次尝试时禁用了 Intercept 参数并在第二次尝试时启用它。

希望这会有所帮助。有关更多信息，您可以参考 scikit-learn 文档。 Sk Learn Linear regression