本文介绍了为什么我在用 sklearn 进行线性回归时只有一个 coef_?的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
这是我的代码和下面的输出.我正在尝试使用 sklearn-lib，女巫有效.也许 x.reshape 是假的?
This is my code and the output below. I am trying it with sklearn-lib, witch works. Is maybe x.reshape false ?
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sympy.stats import E
#My Data
y = np.array([1.88,3.65,5.86,8.43,11.47,15.98])
x = np.array([1,2,3,4,5,6])
linreg = LinearRegression()
#Grafikgrösse einstellen
x = x.reshape(-1,1)
linreg.fit(x,y)
y_pred = linreg.predict(x)
plt.scatter(x,y)
plt.plot(x,y_pred, color="red")
plt.title("'Linearer Verlauf' durch t=0")
plt.xlabel("Anzahl Umdrehungen")
plt.ylabel("Periode(s)")
plt.legend(['t1'])
plt.show()
print("r^2 =",linreg.score(x,y))
print(linreg.coef_)
推荐答案
Equation: y = a*x + b
您的 a 由 linreg.coef_ 项计算，它有一个值(因为只有一个项依赖于 x.+b 项被 linreg.intercept_ 访问，得到 -1.7746.
Equation: y = a*x + b
Your a is calculated by linreg.coef_ term and it has one value (since only one term dependent on x. The +b term is accessed by linreg.intercept_, which gives -1.7746.
这篇关于为什么我在用 sklearn 进行线性回归时只有一个 coef_?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！