1
当我在Python中使用sklearn进行岭回归时,coef_输出给了我一个2D数组。根据documentation它是(n_targets,n_features)。Python的sklearn coef_输出中的目标是什么?
我知道功能是我的系数。但是,我不确定目标是什么。这是什么?
当我在Python中使用sklearn进行岭回归时,coef_输出给了我一个2D数组。根据documentation它是(n_targets,n_features)。Python的sklearn coef_输出中的目标是什么?
我知道功能是我的系数。但是,我不确定目标是什么。这是什么?
目标值是您想要预测的值。岭回归实际上可以预测每个实例的更多值,而不仅仅是一个。 coef_
包含用于预测每个目标的系数。这也与您训练模型以分别预测每个目标相同。
让我们来看看一个简单的例子。我将使用LinearRegression
而不是Ridge
,因为Ridge
会缩小系数的值并使其更难理解。
首先,我们创建一些随机数据:
X = np.random.uniform(size=100).reshape(50, 2)
y = np.dot(X, [[1, 2, 3], [3, 4, 5]])
前三的X
实例是:
[[ 0.70335619 0.42612165]
[ 0.2959883 0.10571314]
[ 0.33868804 0.07351525]]
的目标y
这些实例是
[[ 1.98172114 3.11119897 4.24067681]
[ 0.61312771 1.01482915 1.41653058]
[ 0.55923378 0.97143708 1.38364037]]
通知,即y[0] = x[0]+3*x[1]
,y[1] = 2*x[0] + 4*x[1]
和y[2] = 3*x[0] + 5*x[1]
(这就是我们用矩阵乘法创建数据的方式)。
如果我们现在符合线性回归模型
clf = linear_model.LinearRegression()
clf.fit(X, y)
的coef_
s为:
[[ 1. 3.]
[ 2. 4.]
[ 3. 5.]]
这正是我们用于创建数据的公式匹配。