| 6 模型的属性与功能 | 您所在的位置：网站首页 › 回归coef是什么意思啊 › 6 模型的属性与功能 |
|
模型的属性与功能
上次学了 Sklearn 中的 data sets，今天来看 Model 的属性和功能。 这里以 LinearRegressor 为例，所以先导入包，数据，还有模型。 model.fit 和 model.predict 就属于 Model 的功能，用来训练模型，用训练好的模型预测。 然后，model.coef_ 和 model.intercept_ 属于 Model 的属性， 例如对于 LinearRegressor 这个模型，这两个属性分别输出模型的斜率和截距（与y轴的交点）。 model.get_params() 也是功能，它可以取出之前定义的参数。 model.score(data_X, data_y) 它可以对 Model 用 R^2 的方式进行打分，输出精确度。 # 导入满满的数据库 from sklearn import datasets # 导入 线性回归 方法 from sklearn.linear_model import LinearRegression # 导入波士顿房价数据 loaded_data = datasets.load_boston() data_X = loaded_data.data data_y = loaded_data.target # 用默认属性创建线性回归模型 model = LinearRegression() # 接下来 model.fit 和 model.predict 就属于 Model 的功能，用来训练模型，用训练好的模型预测。 model.fit(data_X, data_y) print(model.predict(data_X[:4, :])) """ [ 30.00821269 25.0298606 30.5702317 28.60814055] """ # 然后，model.coef_ 和 model.intercept_ 属于 Model 的属性， # 例如对于 LinearRegressor 这个模型，这两个属性分别输出模型的斜率和截距（与y轴的交点）。 print(model.coef_) print(model.intercept_) """ [ -1.07170557e-01 4.63952195e-02 2.08602395e-02 2.68856140e+00 -1.77957587e+01 3.80475246e+00 7.51061703e-04 -1.47575880e+00 3.05655038e-01 -1.23293463e-02 -9.53463555e-01 9.39251272e-03 -5.25466633e-01] 36.4911032804 """ # model.get_params() 也是功能，它可以取出之前定义的参数。 print(model.get_params()) """ {'copy_X': True, 'normalize': False, 'n_jobs': 1, 'fit_intercept': True} """ # model.score(data_X, data_y) 它可以对 Model 用 R^2 的方式进行打分，输出精确度。 print(model.score(data_X, data_y)) # R^2 coefficient of determination """ 0.740607742865 """ |
| CopyRight 2018-2019 实验室设备网 版权所有 |