python - 为何sklearn线性回归为穿过(0,0)的线给出非零截距？

给定y=3x的一些数据点：

from sklearn import datasets, linear_model
X = [[1],[2],[3],[4],[5]]
y = [[3],[6],[9],[12],[15]]
regr = linear_model.LinearRegression()
regr.fit(X,y)

然后：

regr.predict([[6], [7], [8], [9], [10]])

按预期给出：

array([[ 18.],
       [ 21.],
       [ 24.],
       [ 27.],
       [ 30.]])

和预期一样，regr.coef_是3但为什么regr.intercept_不是0？

regr.intercept_
array([ -3.55271368e-15])

最佳答案

这是一个浮点问题——这个数字非常接近于0您可以使用numpy的内置测试套件来检查

>>> from numpy.testing import assert_almost_equal
>>> assert_almost_equal(regr.intercept_, 0)

要回答为什么数字不是零，可以进入以下兔子洞：
sklearn使用scipy.linalg.lstsq拟合线性回归，
scipy.linalg.lstsq使用gelssfromLAPACK找到Ax = b的最小二乘解，
gelss使用A的奇异值分解来求解。
我想gelss是引入微小错误的地方。