SKLearn LinearRegression预测结果是否依赖于列顺序？
在使用SKLearn的LinearRegression进行预测时，预测结果不依赖于列的顺序。LinearRegression是一种线性回归算法，用于预测连续型的因变量。它通过学习自变量与因变量之间的线性关系来进行预测。
无论自变量的列顺序如何，LinearRegression会自动调整模型参数以适应数据，从而得出相应的预测结果。这是因为LinearRegression使用最小二乘法来拟合线性模型，最小二乘法不受自变量列顺序的影响。
在应用场景上，SKLearn的LinearRegression适用于许多问题，如房价预测、销售预测、股票价格预测等。它在实践中被广泛应用，并且通常具有良好的预测性能。
如果您想要在腾讯云上使用相关产品，腾讯云提供了多种机器学习和人工智能相关的产品和服务，如腾讯云机器学习平台（https://cloud.tencent.com/product/tccli），腾讯云人工智能平台（https://cloud.tencent.com/product/tf），您可以根据具体需求选择合适的产品和服务来进行开发和部署。
请注意，上述回答仅供参考，具体的选择还需要根据实际情况和需求来确定。
相关·内容
我是Python编程的新手，甚至是SKLearn和ML的新手。所以请原谅我在这些问题上的无知。
我已经开始尝试使用SKLearn回归模型和代码，但在理解此实验代码的结果时遇到了一个基本问题。
给出下面的代码，我试图弄清楚存储在sales_data数组中的LinearRegression模型predict()函数相对于商品的假设日销售数字的结果是什么。
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
浏览 0提问于2020-01-11得票数 1
sklearn.linear_model中的LinearRegression对象可用于将数据点拟合到直线上。从下面的代码可以看出，fit方法有两个参数，一个是点的列表，另一个是y坐标列表。
from sklearn import linear_model
reg = linear_model.LinearRegression()
reg.fit ([[0, 0], [1, 1], [2, 2]], [0, 1, 2])
我的问题是:为什么第二个参数是必需的？这不是多余的信息吗？
浏览 0提问于2017-12-07得票数 0
1回答
我正在执行多重多项式回归使用学习。我不明白的是，怎么才能得到完整的多项式公式呢？打印的coef_的顺序正确吗？我正试图建立一个正确的回归方程，但没有任何效果。
我有一个代码，在这里，我得到了预测的值，系数和截距。
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
Y = df['Y']
X = df[['X1', 'X2']]
poly = PolynomialFeatures(degre
浏览 4提问于2022-01-06得票数 0
回答已采纳
1回答
我想找出点和预测线之间的距离。理想情况下，我希望结果显示在一个新的列，其中包含的距离，称为‘距离’。
我的进口品：
import os.path
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import preprocessing
from sklearn.linear_model import LinearRegression
%matplotlib inline
我的数据样本：
idx Exam Results Hours Studied
0 93
浏览 1提问于2018-04-16得票数 5
回答已采纳
2回答
我开始从互联网机器学习。关于这个任务，我有一个问题：(我正在使用，ubuntu，Python3.10，PyCharm)：
% matplotlib inline不是为我工作的，为什么，当我评论上面的内容时，我得到了结果：
[52.23767295 47.5274183 ]
/usr/local/lib/python3.10/dist-packages/sklearn/base.py:450: UserWarning: X does not have valid feature names, but LinearRegression was fitted with feature names
浏览 6提问于2022-10-11得票数 -1
我正在尝试根据各种其他因素来预测呼叫中心的呼叫量。我有一个相当干净的数据集，也很小，但足够了。我能够训练和测试历史数据，并获得分数、摘要等。我终生无法弄清楚如何使用预测因子数据来预测未来的呼叫。我的数据如下：
Date DayNum factor1 factor2 factor3 factor4 factor5 factor6 factor7 factor8 factor9 VariableToPredict
9/17/2014 1 592 83686.46 0 0 250 15911.8 832 99598.26 177514 72
9/18/2014
浏览 0提问于2015-04-01得票数 5
回答已采纳
我试图使用Scikit learn的LineaerRegression类执行插值，但结果似乎是错误的。其思想是使用多项式拟合，其次数等于观察值的数量减一。这将使linearRegression估计器产生插值。但是，LinearRegression没有给出插值解决方案。 完整代码： import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
# D
浏览 23提问于2020-01-23得票数 2
2回答
大家晚上好，我对Python很陌生，我正试图通过复制Excel上的一个模型来学习
我需要复制“趋势”函数来拟合两个端点之间的小线性模型，比方说
A= (1，0.15) B= (5,0.2)
并使用给定的值(例如4.2)进行预测。
为了实现这段代码的目的，我需要为我的数据库的每一行安装一个模型。所有x值都是x_1=1和x_2=5，而y值在每一行中是不同的。
我尝试以这种方式使用LinearRegression()和sklearn.linear_model包中的model.predict
import pandas as pd
import numpy as np
from sklearn.lin
浏览 2提问于2021-11-19得票数 0
回答已采纳
我对这台机器很陌生，学习并使用波士顿数据集进行预测。除了precision_score和accuracy_score的结果之外，一切都很好。这就是我所做的：
import pandas as pd
import sklearn
from sklearn.linear_model import LinearRegression
from sklearn import preprocessing,cross_validation, svm
from sklearn.datasets import load_boston
import numpy as np
from sklearn.metri
浏览 4提问于2017-02-25得票数 2
回答已采纳
我有一个包含所有分类列的dataframe，我使用来自oneHotEncoder的sklearn.preprocessing编码这些列。我的代码如下：
from sklearn.preprocessing import OneHotEncoder
from sklearn.pipeline import Pipeline
steps = [('OneHotEncoder', OneHotEncoder(handle_unknown ='ignore')) ,('LReg', LinearRegression())]
pipeline = P
浏览 0提问于2019-06-14得票数 8
回答已采纳
在我训练了LinearRegression模型之后，如何将coef和intercept与我的predict结果关联起来？
我使用的数据集：
我的代码：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics
浏览 2提问于2021-09-30得票数 1
2回答
我对统计学、Python、机器学习和Scikit学习都很陌生。然而，我正在尝试这个项目，我有35列学生数据的CSV。第一列是ID，我想我可以忽略它。最后三栏是一年级、二年级和三年级。我有400排。我想看看我是否能用它学习一些机器学习，并对我所拥有的数据有所了解。现在我了解了Scikit在Numpy数组上的工作，它不处理性(“男性”、“女性”)等分类数据。所以我把所有的30个类别都编成了法典，其中1种是男性，2种是女性，等等。然后，我做了以下工作
X = my_data[:,1:33]
y = my_data[:,34]
from sklearn.linear_model import Line
浏览 4提问于2015-09-03得票数 1
回答已采纳
1回答
如何从元素列表开始进行回归
、、、、
我试图在python中运行一个回归。我有一个列表(更大的列表的一部分)如下所示：
[[1307622004, 0.0, 339.093, 130.132],
[10562004, 0.0, 206.818, 62.111],
[127882004, 0.0, 994.624, 360.497],
[63702004, 0.0, 89.653, 19.103],
[655902004, 0.0, 199.613, 83.296],
[76482004, 0.0, 1891.0, 508.0],
[16332004, 0.0, 160.344, 25.446],
[294352004
浏览 0提问于2018-11-24得票数 1
回答已采纳
1回答
如何检验线性回归模型中的预测值是否与实际值相匹配？
我试过使用-混淆矩阵，但我得到了这个错误-
#==============================================================================
# Create confusion matrix to evaluate performance of data
#==============================================================================
from sklearn.metrics import confus
浏览 0提问于2018-07-27得票数 3
dataset = pd.read_excel('dfmodel.xlsx')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, -1].values
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)
from sklearn.linear_model import LinearR
浏览 104提问于2020-09-30得票数 0
回答已采纳
在练习简单线性回归模型时，我遇到了这个错误： ValueError: Expected 2D array, got scalar array instead:
array=60.
Reshape your data either using array.reshape(-1, 1) if your data has a single
feature or array.reshape(1, -1) if it contains a single sample. 这是我的代码(Python 3.7)： import pandas as pd
import numpy as np
import
浏览 61提问于2019-01-22得票数 3
回答已采纳
1回答
我试图在一个简单的人工数据集上运行内核岭回归。当我运行代码时，我得到了两个情节。第一种是线性回归拟合，它看起来很正常。但是，内核一非常不稳定。这是预期的行为，还是我没有正确地调用函数？
第一个plt.show()：
第二个plt.show()：
from sklearn.kernel_ridge import KernelRidge
from sklearn.linear_model import LinearRegression
import numpy as np
import matplotlib.pyplot as plt
w = 5
x = np.random.ran
浏览 2提问于2022-11-10得票数 2
回答已采纳
我正在训练一个LinearRegression()分类器，并试图估计它的预测应计性。
from sklearn.metrics import r2_score
from sklearn.linear_model import LinearRegression
regr_rf = LinearRegression()
regr_rf.fit(df[features],df['label'])
y_rf = regr_rf.predict(df[features])
score = regr_rf.score(df[features],df['label'])
p
浏览 7提问于2017-08-06得票数 10
回答已采纳
1回答
混淆矩阵中不支持连续变量
、、、
我对数据集使用线性回归算法。并试图计算y_pred和y_test之间的混淆矩阵。我得到了"ValueError : continuous is not supported"错误。
我已经包括了下面的代码。帮助解决这个问题。
x = data_set.iloc[:, :-1].values
y = data_set.iloc[:, 7].values
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.25, random_state = 0)
from sklearn.linear
浏览 0提问于2019-02-22得票数 3
回答已采纳
我正在使用sklearn在Python中执行相当直接的多元线性回归。参见下面的代码片段- full_results是一个数据帧，其中所有变量都是数字。 这个代码的结果是一个决定系数，我相信它表示了由于x1 - x4的组合，y的变化有多大。 我的问题是，决定系数是否可以在4个输入变量之间分开，这样我就可以看到y的变化分别归因于每个变量。 当然，我可以对每个变量单独运行单变量线性回归，但这不像是正确的解决方案。 我记得很多年前在统计课上，在R做过类似的事情。 from sklearn.linear_model import LinearRegression
x = full_results[[
浏览 46提问于2021-11-19得票数 0
1回答
我是机器学习的新手，我正在独立构建我的第一个模型。我有一个评估汽车的数据集，它包含了价格、安全性和豪华的特征，并对其是否好、非常好、可接受和不可接受进行了分类。我将所有非数字列转换为数字列，训练数据并使用测试集进行预测。然而，我的预测很糟糕；我使用了LinearRegression和r2_score输出0.05，实际上是0。我尝试了几种不同的模型，所有模型都给出了糟糕的预测和准确性。 我做错了什么？我看过教程，读过类似方法的文章，但他们最终的准确率为0.92，而我的准确率为0.05。如何为您的数据创建一个好的模型，以及如何知道要使用哪个模型？ 代码： import numpy as np
i
浏览 9提问于2019-03-13得票数 0
回答已采纳
1回答
我有一个包含3个简单列的excel文件:单价、售出数量和合计。总数只需将单价乘以数量即可得到。所以我设置了一个简单的sklearn线性回归算法代码来预测这个值： import numpy as np
import pandas as pd
from sklearn import *
data = pd.read_excel("Sample.xls")[["Units", "Unit Cost", "Total"]]
predict = "Total"
X = np.array(data.drop([pre
浏览 21提问于2019-09-21得票数 0
3回答
我见过一些页面，其中提到了5种建模方法。
1) All-in
2) Backward Elimination
3) Forward Selection
4) Bidirectional Elimination
5) Score Comparision
我通常使用sklearn实现线性回归或任何算法。
from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(X, y)
y_pred = lr.predict(X_test)
如何实现这五种建模方法？
有人能解释一下这一点的重要性吗?其中最常用
浏览 0提问于2018-12-19得票数 2
我正在运行下面的代码并得到这个错误。请帮助： 错误: NameError:未定义名称'predictions‘ 代码： import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
from sklearn import linear_model
import statsmodels.api as sm
import matplotl
浏览 6提问于2020-01-03得票数 0
我从sklearn.model_selection家族引进了train_test_split，我想对我的模型进行训练和测试，以便预测变量y。
我将字符串数据类型指定为我的X ( dataset的特性/变量)，而我的y是一个整数数据集(响应)。
在这样做之后，我从LinearRegression家族导入了sklearn.linear_model函数/方法，现在当我试图拟合模型时，它会显示一个错误。
can’t convert strings(X) to variable y
为什么？
X = df[['Avg. Area Income', 'Avg. Area House
浏览 2提问于2022-07-11得票数 1
1回答
我很难得到python用于线性预测的公式。我用以下方法进行了线性回归：
from sklearn.linear_model import LinearRegression
lm = LinearRegression()
lm.fit(X_tr_pre_close,Y_tr_pre_close)
然后我做了预测，用：
predictions=lm.predict(X_te_pre_close)
我用这个模型得到了很好的结果，但现在的问题是，我不知道lm.predict()公式是如何工作的，这个模型应该是普通的最小二乘，在这里我在中读到，预测公式假设为x'b (系数向量*解释变量的向量)，
浏览 2提问于2022-03-14得票数 -1
我成功地使用sklearn的多元线性回归训练了我的模型。这是我使用的代码：
import pandas as pd
dataset = pd.read_csv('C:\\mylocation\\myfile.csv')
dataset2 = pd.get_dummies(dataset)
y = dataset.iloc[:, 31:32].values
dataset2.pop('Target')
X = dataset2.iloc[:, :180].values
#Split the dataset
from sklearn.cross_validati
浏览 0提问于2018-12-31得票数 0
回答已采纳
在使用scikit时，是否可以限制每个样本的最大预测值？在我的输入数据中，有一列(“公告”)是这个特定样本的最大值，本例中的"result“是真实值。如何将预测限制在0- $annoucement之间？
下面是一个非常小的代码片段/示例：
#!/usr/bin/env python3
from sklearn.linear_model import LinearRegression
import pandas as pd
from sklearn.model_selection import train_test_split
def main():
mylist = [
浏览 2提问于2018-11-29得票数 1
1回答
我正在使用线性回归(SKlearn)，当我预测一个值时，我得到了一个错误。我不确定要做什么，并尝试切换输入预测值的格式，但到目前为止，我还没有看到任何结果。 下面是我的代码： import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
data = pd.read_csv("data.csv")
print(data.head())
X = data['Machine Age (Months)'].values
y = data['
浏览 23提问于2020-03-28得票数 2
回答已采纳
我试图做一个线性回归，但是我总是遇到同样的问题"ValueError: X和y必须是相同的大小“。我很困惑，并且已经在每一个网站上都试着去修复它。如果有人知道这将是一个巨大的帮助。我不知道该怎么办。
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from
浏览 2提问于2022-03-29得票数 0
我收到这个错误：
ValueError: Found input variables with inconsistent numbers of samples: [6, 4]
我的代码：
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
import pandas as pd
import matplotlib.pyplot as plt
import num
浏览 2提问于2020-11-11得票数 0
回答已采纳
1回答
我现在要做的是在管道中使用PyTorch，所有的预处理都将在管道中处理。
我能让它运转起来。然而，我得到的结果有点不太理想。损失函数似乎没有减少，并被卡住(大概在局部最优？)随着训练循环的进展。
我遵循标准的PyTorch训练循环，并将它封装在fit方法中，因为这是sklearn所需要的：
import torch
from sklearn.base import BaseEstimator, TransformerMixin
import torch.nn.functional as F
from IPython.core.debugger import set_trace
# +
i
浏览 1提问于2021-12-29得票数 4
回答已采纳
我正在尝试复制这个，我想知道是否有一种方法可以用Python包来实现这一点。我不知道如何使用LinearExplainer()来获得RSquared的边际贡献。
到目前为止，我已经尝试过：
import sklearn
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np
import shap
shap.initjs()
X = pd.DataFrame(columns=['x1','x2','x3'], data
浏览 2提问于2020-01-28得票数 1
回答已采纳
我得到了这个脚本，用RandomForest和LinearRegression预测秒的值dataset.That工作正常，线性回归的精度是18%，太糟糕了。 所以我尝试使用RandomForest，但我不知道如何计算该模型的精度。 import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets import make_regression
import numpy as np
import pandas as pd
import scipy
import matplo
浏览 40提问于2019-05-02得票数 2
我尝试使用两个不同的函数运行回归模型:来自statsmodels.api的OLS和来自sklearn的linear_regression，输出似乎彼此非常不同。
下面是我的代码：
import statsmodels.api as sm
import pandas as pd
import matplotlib
import scipy.stats as stats
import matplotlib.pyplot as plt
from patsy import dmatrices
from sklearn import linear_model
data = pd.read_excel(
浏览 0提问于2019-05-22得票数 0
1回答
我有一个图书数据集，我正试图为其选择最适合的。我试过LinearRegression、Decisiontree和Polynomial one，但它们似乎都不符合曲线。我绘制了3条不同的曲线，其中一个特征是vs y_target，下面是图：
Curve_1：评分数与图书评级之比
Curve_2：文本评论数量、计数与图书评分
Curve_3：一本书中的页数与书的评分
所以，请告诉我什么是最好的模型，为这种类型的曲线，或我应该分析任何其他方式？LinearRegression输出是：
MSE：0.11599130999215618
MAE：0.23
精度：0.115991309
浏览 0提问于2019-07-19得票数 2
回答已采纳
我试图将一个二阶和3个自变量的多项式拟合成一组数据点：
Y_poly(u，v，w) = k0 + k1 *u+ k2 *v+ k3 *w+ k4 * u^2 + k5 *u*v+ k6 *u*w+ k7 * v^2 + k8 *v*w+ k9 * w^2
为此，我有一个DataFrame，它看起来如下所示：
data.head()
u v w Y
0 298.15 268.15 2000 -944.826752
1 298.15 268.15 2200 -1034.683966
2 298.15 268.15 240
浏览 7提问于2022-08-03得票数 0
回答已采纳
我使用了load_boston数据集从学习和线性回归。守则：
from sklearn.datasets import load_boston
import pandas as pd
import numpy as np
%matplotlib inline
from sklearn.model_selection import train_test_split, KFold,cross_val_score,cross_validate
from sklearn.linear_model import LinearRegression
#Loading the dataset
x = loa
浏览 4提问于2020-04-21得票数 0
回答已采纳
我正在研究一个模型，该模型通过汽车的属性来预测汽车价格。我注意到，根据输入类型(numpy.ndarray，scipy.sparse.csr.csr_matrix)的不同，LinearRegression模型的预测会有所不同。 我的数据由一些数字和分类属性组成，没有NaNs。 这是一个简单的数据准备代码(这对于我稍后描述的每个案例都是常见的)： from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.linear_model import LinearRe
浏览 28提问于2020-08-22得票数 3
回答已采纳
1回答
我试图从熊猫的数据框架中计算出均方误差。我已经查看了以前关于堆叠溢出的链接，如和scikit学习文档，我希望有人能了解我做错了什么。这是。这是我的密码。
import pandas as pd
import numpy as np
sales = pd.read_csv("home_data.csv")
from sklearn.cross_validation import train_test_split
train_data,test_data = train_test_split(sales,train_size=0.8)
from sklearn.linear_m
浏览 4提问于2015-11-01得票数 4
似乎SKLearn LinearRegression预测结果取决于X_train (和X_test)的列顺序，尽管在我的理解中，OLS线性回归解决方案应该独立于它： import pandas as pd
from sklearn.linear_model import LinearRegression
X_train = pd.DataFrame({
'x2': [0.41881871483604843, 0.41881871483604843, 0.41881871483604843, -2.2128066838437888, 0.4188187148360484
浏览 5提问于2021-07-30得票数 1
3回答
我试图用sklearn线性回归建立一个房价预测模型，但我得到了一个负分。
请问我做错了什么？
数据集：
数据集截图：
请查看以下详细信息：
数据帧形状：(23435,190)
代码：
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import ShuffleSplit
from sklearn.model_selection imp
浏览 3提问于2020-09-06得票数 0
我是刚开始机器学习的，对python没有太多经验。
在下面的代码中，经过训练的数据在我们调用fit()之后存储在哪里，以及在调用predict()方法之后它如何知道数据是否经过了训练。
我知道这可能是个愚蠢的问题，但我们会非常感谢你的帮助。谢谢
#Fitting Simple linear regression to the training set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)
#Predict
浏览 3提问于2020-01-16得票数 2
回答已采纳
我正在使用scikit-learn进行基本的机器学习
import pandas as pd
import numpy as np
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler,PolynomialFeatures
from sklearn.linear_model import LinearRegression
X = df[['floors', 'waterfront','lat' ,'bedrooms&
浏览 1提问于2020-08-12得票数 0
我在房子定价数据集上做建模。我的目标是获得mse结果并使用输入变量进行预测。
我已经完成了建模，我正在使用MinMaxSclaer()对数据进行缩放建模，并且使用LinearRegression()对模型进行培训。在此之后，我得到了分数，mse，mae，dan结果。
但是当我想用实际的结果来预测的时候。它被放大了，如何用实际价格来预测结果呢？
数据集：https://www.kaggle.com/code/bsivavenu/house-price-calculation-methods-for-beginners/data
这是我的剧本：
import pandas as pd
import
浏览 0提问于2022-10-01得票数 2
回答已采纳
我有一个简单的数据文件：
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
d = {'x': [7,8, 10,15], 'y': [15,17,20,24], 'z': [15,np.nan,20,np.nan]}
df = pd.DataFrame(data=d)
df
我用它建立了一个简单的模型：
df_m
浏览 9提问于2022-04-07得票数 0
我是新的科学知识学习和尝试拟合一个简单的线性回归模型。我有一个矩阵X，它包含两个列，c1和c1^2，并且我有相应的y值。我试着用scikit学习来拟合一个简单的OLS模型，但最终得到的是一个奇怪的情节。对我做错了什么有什么想法吗？
X = np.array([[ -0.016746535778021, 0.280446460564527],
[-0.014577470749242, 0.212502653445002],
[0.034515758657299, 1.191337595688933],
[-0.047010075743201, 2.209947221
浏览 6提问于2022-02-10得票数 0
回答已采纳
我在尝试导入这些文件时遇到问题：
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.linear_model import LinearRegression
在运行这些脚本之后，运行python(3.9.1) shell的结果是：
ModuleNotFoundError: No module named 'sklearn.linear_model'; 'sklearn' is not a package
但是，当我通过粘贴直接导入Linea
浏览 28提问于2021-09-09得票数 0
1回答
我正在尝试做一些事情，包括取两个拟合模型的和，这样输出就是另一个LinearRegression类型的对象。我已经使用sklearn的标准LinearRegression方法拟合了这两个模型。
from sklearn.linear_model import LinearRegression
reg_1 = LinearRegression().fit(X1, y)
reg_2 = LinearRegression().fit(X2, y)
我希望能够生产出像这样的东西
reg = reg_1 + reg_2
这样，我仍然可以执行标准操作，例如
reg.predict(X3)
有没有一种简单
浏览 2提问于2020-02-19得票数 1
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import Lasso, LinearRegression
from sklearn.metrics.regression import r2_score
np.random.seed(0)
n = 15
x = np.linspace(0,10,n) +
浏览 11提问于2020-05-16得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
