python - sklearn.linear_model LinearRegression模块的系数如何返回

我正在使用sklearn.linear_model和LinearRegression模块执行一个简单的自回归模型。您可以在下面看到我的代码。训练数据集位于train中，并且X包含目标的滞后版本。滞后最少的数据，即滞后为1的数据，位于X的第一列中，最后一列包含滞后性最高的数据。

import numpy as np
import sklearn.linear_model as skml
tot_param = 10
X = np.zeros((len(train),tot_param))
for i in range(1,tot_param):
    aux = np.roll(train,-i)
    aux[-i:] = 0
    X[:,-i] = aux

lregr = skml.LinearRegression()
model = lregr.fit(X,train)

因此，我希望model.coef_中的系数将基于X的列进行排序，即第一个元素将包含与最少滞后数据相关的系数。如果使用tot_params=1执行代码，则只能得到一个值为0.97190325的系数。但是，如果选择tot_params=2，则会得到model.coef_=[-0.00433893, 0.97612027]；显然，第二个值（0.97612027）是指滞后最少的数据。但是为什么呢？我期望像model.coef_=[0.97612027, -0.00433893]这样的输出，且滞后数据最少的系数在前面。

其他tot_params值也会发生相同的情况。例如，对于tot_params=6，我得到[ 3.71898345e-02, 5.46416689e-02, -8.65343583e-02, -1.88565771e-03, -6.13451823e-04, 9.72547863e-01]，它再次清楚地表明最少滞后的数据放在返回列表的末尾而不是开头。

最佳答案

就在这里：X[:,-i] = aux

i->越大滞后->与最后一列的距离越大：
i = 1是列-1
i = 6是列-6，因此将是第一个列。

如果您愿意，可以将其更改为X[:, i-1] = aux。

关于python - sklearn.linear_model LinearRegression模块的系数如何返回，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52722912/