在sklearn中的LinearRegression之前转置输入矩阵

Posted 2023-03-12

【中文标题】在sklearn中的LinearRegression之前转置输入矩阵

【英文标题】：Transpose input matrix before LinearRegression in sklearn

【发布时间】：2019-01-13 05:32:01

【问题描述】：

这是我的python程序：

import numpy as np
from  sklearn import linear_model

X=np.array([[1, 2, 4]]).T**2
y=np.array([1, 4, 16])
model=linear_model.LinearRegression()
model.fit(X,y)
print('Coefficients: \n', model.coef_)

结果我有：

Coefficients: 
[1.]

这是我用 sklearn 测试的第一个程序。 我的问题是：为什么我必须在第三条​​指令中使用转置 .T**2 ？ 没有

T**2 

我有这些错误https://imgur.com/a/XWzJx0f 我用http://jupyter.org/try

【问题讨论】：

转置需要有一个形状为 (number_of_samples, number_of_x_dimensions) 的 X 矩阵。

@Learningisames 请问**2是什么意思？

我猜在这种特定情况下，您将y 拟合为x^2 的线性函数，而不是x 的线性函数。如果这令人困惑，我建议您查看机器学习中的特征工程。

【参考方案1】：

你必须匹配X,y的相同维度（相同数量的训练样本）

如果不使用转置，则有 1 个训练样本 [1,2,4] 但有 3 个标签，不匹配

如果你使用转置，你可以有[1][2][4] 3 个样本，因此可以匹配 3 个标签

**2 无关紧要

【参考方案2】：

作为documentation says，您必须传递一个包含 n_samples (3) 和 n_features (1) 的矩阵。因此，[[1,2,3]] 形式的输入 X 需要垂直位置的内部向量。 **T 之后：

array([[ 1],
       [ 4],
       [16]])

这就是幕后发生的事情：https://machinelearningmastery.com/solve-linear-regression-using-linear-algebra/

【讨论】：

X=np.array([[1, 2, 4]]).T**2 print(X) --> 我有 [[ 1] [ 4] [16]] 我想要保持向量 X 不变？

线性关系，即 y=a*x+b 就是这样？

对不起，我忘了在Linear前面写“NON”。您的第二个问题与问题本身无关，也许您应该考虑打开一个不同的 Q。无论如何，您的数据描述的是一条曲线，然后线性模型将无法解释这种行为。

我已经改变了向量 Y imgur.com/a/dceoJ7O 所以我有 y=ax+b --> y=6*x+1 --> 程序只给我系数“a=6” ！我怎样才能得到第二个参数（b = 1）？亲切的问候。

是intecept_，文档scikit-learn.org/stable/modules/generated/…也提供了

【参考方案3】：

(1,3)中矩阵X的初始形状。您需要以 (3,1) 的形式将矩阵作为文档 says 传递，并在 Alessandro 的回答中提到

**2 部分只是对矩阵 X 的每个元素进行平方。您可以在没有该部分的情况下运行它。那么系数会有所不同。目前，当您平方时，您的 X 和 y 值分别为 (1,1)、(4,4) 和 (16,16)，因此系数（方程 y=mx+ c 的斜率，如果将它们绘制在graph) 为 1。如果不平方，系数会相应地不同