Python/Scikit-learn - 线性回归 - 访问线性回归方程

Posted 2023-03-12

【中文标题】Python/Scikit-learn - 线性回归 - 访问线性回归方程

【英文标题】：Python/Scikit-learn - Linear Regression - Access to Linear Regression Equation

【发布时间】：2016-05-10 02:56:36

【问题描述】：

我使用同一组预测变量构建了几个不同的线性回归，如下所示：

model=LinearRegression()
model.fit(X=predictor_train,y=target_train)
prediction_train=model.predict(predictor_train)
pred=model.predict(main_frame.iloc[-1:,1:])

为了创建目标变量的预测，我假设 Scikit 算法使用这些“预测变量”创建了一个方程。我的问题是：我如何访问该等式？

【参考方案1】：

您正在寻找params = model.coef_。这将返回一个包含每个模型输入权重的数组。

请注意，这是一个线性方程，因此为了自己获得预测，如果您有一些名为 input 的输入数组，您需要形成一个方程，以便您的预测 y = sum([input[i] * params[i]])。这是点积，如果你熟悉参数向量和特征向量之间的线性代数。

【参考方案2】：

from math import fabs
import pandas as pd
from sklearn.linear_model import LinearRegression

def get_regression_formula(df, independent_vars, dependent_var):
    X = df[independent_vars]
    y = df[dependent_var]
    regression = LinearRegression()
    regression.fit(X, y)
    formula = [f"regression.intercept_:.2f "]
    for i, var in enumerate(independent_vars):
        coef = regression.coef_[i]
        coef_abs = fabs(coef)
        if coef_abs < 0.1:
            continue
        formula.append(f"'+' if coef > 0 else '-' coef_abs:.2f * var ")
    return f"dependent_var = ''.join(formula)"

使用示例：

>>> df.columns
Index(['x1', 'x2', 'x3', 'y'], dtype='object')
>>> print(get_regression_formula(df, ["x1", "x2", "x3"], "y")

【讨论】：

如何传递数据框列？试了很多方法，报错，result = get_regression_formula(df, 'Year', 'AMBALA'), or result = get_regression_formula(df, df['col1'], df['col2']), print(result)跨度>

@AbhilashSinghChauhan 添加使用示例