python - 拟合scikit-learn后如何获得方程式？

我想用scikit-learn来计算一些数据的方程我使用此代码将曲线拟合到我的数据：

svr_lin = SVR(kernel='linear', C=1e3)
y_lin = svr_lin.fit(X, y).predict(Xp)

但我不知道该怎么做才能得到拟合模型的精确方程。
你知道我怎么得到这些方程吗？

最佳答案

下面是一个例子：

from sklearn.datasets import load_boston
from sklearn.svm import  SVR
boston = load_boston()
X = boston.data
y = boston.target
svr = SVR(kernel='linear')
svr.fit(X,y);
print('weights: ')
print(svr.coef_)
print('Intercept: ')
print(svr.intercept_)

输出为：

weights:
[[-0.14125916  0.03619729 -0.01672455  1.35506651 -2.42367649  5.19249046
  -0.0307062  -0.91438543  0.17264082 -0.01115169 -0.64903308  0.01144761
  -0.33160831]]
Intercept:
[ 11.03647437]

对于线性核，拟合模型是一个超平面（ω^[t]x+b=0），其中ω是权向量，b是截距。