我从sklearn中拼凑了一个简单的OLS示例，我注意到了奇怪的结果。下面是结果 from sklearn.pipeline import Pipelinepython=3.6.1
浏览 14提问于2020-08-23得票数 1
回答已采纳
1回答
当将列传递给seaborn.residplot时，是否可以传递多个IV变量(在多元回归分析的情况下)？
我尝试了一些常规的方法'IV1'，'IV2‘等等。但它们似乎不起作用。
浏览 1提问于2018-03-24得票数 1
回答已采纳
我有一个概念性的问题，为什么(除了处理能力/存储)，您是否会只使用常规的线性回归而不添加多项式特性？似乎添加多项式特征(不过度拟合)总是会产生更好的结果。我知道线性回归不只是一条线，但那是只有当你决定增加多项式特征，对吗？我的经验是使用sklearn库的python。
浏览 0提问于2020-06-24得票数 1
回答已采纳
1回答
我有个问题：我得到了以下错误：array=[ 2.9 5.1 3.2 4.5 8.2 6.8 1.3 10.5 3. 2.2 5.9 6. 3.7 3.2Reshape your data either using array.reshape(-1, 1) if your data has a single feature
浏览 3提问于2019-12-16得票数 0
回答已采纳
我的理解是：
在回归树中:每片叶子的目标值计算为训练期间到达该叶的实例的目标值的平均值。在模型树中:每个叶的值是一个线性函数，它使用特征的子集，通过对在训练期间到达该叶的实例执行线性回归来确定。是科学工具中的tree.DecisionTreeRegressor -学习回归树还是模型树
浏览 11提问于2014-06-02得票数 2
回答已采纳
2回答
我正在使用Python2.7和Scikit-学习使用多元线性回归来拟合数据集，其中不同的项相乘在一起，而不是像sklearn.linear_models.Ridge中那样相加。我们能让Python和Sklearn拟合和预测这样的乘法/享乐回归模型吗？
浏览 0提问于2013-05-05得票数 3
1回答
如何使用二次回归？
、、、
我正在尝试学习如何拟合二次回归模型。SqFtTotLiving“将是阶数为2的变量，即python代码：import numpy as npimport sklearn,"BldgGrade"]
y = houses1.iloc[:,0] ##
如何使用sklearn和statsmodel<
浏览 4提问于2019-11-16得票数 0
1回答
我从ISLR进行线性和Logistic回归，在这两种情况下，我发现增加模型灵活性的方法之一是使用多项式特征-X和X^2作为特征，然后像往常一样应用回归模型，同时将X和X^2作为独立特征(在sklearn中，而不是状态模型的多项式拟合)。但是，这不是增加了特征之间的共线性吗？它如何影响模型的性能？第一，X和X^2无疑有很大的相关性。第二次，我写了一个，证明了，至少在线性回归中，特征之间的共线性不会影响模型的<e
浏览 1提问于2021-06-10得票数 2
回答已采纳
1回答
是否可以用线性回归分析来找出w1、w2、w3和w4的数值，这些值几乎/接近1 R-square或小的标准误差？
浏览 0提问于2020-04-03得票数 1
1回答
机器学习与学习与枕木统计
、、、、
首先，我使用sklearn的线性回归将模型拟合到我的数据集中，得到了2.0066...的斜率和-0.535...的截距。
我的问题是:是否将模型与我们的数据集相匹配被视为培训？对于每个给定的x值，由于它有一个y值(监督)，我们的机器是否经过每一个x，y匹配，并在此基础上创建最佳拟合线？因此，我们的模型是否受过训练？第二，我使用stats.linregress(x,y)来获取斜率和截距(这看起来非常接近于斜率，如果与斜率不一样的话)，并拦截我通过使用sklearn线性<e
浏览 0提问于2019-03-31得票数 1
1回答
C参数在sklearn.linear_model.LogisticRegression中的含义是什么？它对决策边界有何影响？C的高值是否使决策边界非线性？如果我们可视化决策边界，逻辑回归的过度拟合是什么样子？
浏览 12提问于2021-05-13得票数 12
3回答
如何求多项式的最佳次数？
、、、
首先，我使用线性回归来拟合训练集，但得到了非常大的RMSE。然后我尝试使用多项式回归来减少偏差。import numpy as npfrom sklearn.preprocessing importPolynomialFeatures
poly_features = Poly
浏览 0提问于2017-11-23得票数 4
回答已采纳
2回答
我正在使用sklearn对一些数据进行线性回归模型拟合。具体地说，我的response变量存储在数组y中，我的特征存储在矩阵X中。我用下面的代码训练一个线性回归模型 model = LinearRegression()一切似乎都很好。根据我的理解，我应该计算模型的均方误差：
from <em
浏览 5提问于2016-02-07得票数 1
我使用的是sklearn.linear_model.LinearRegression，我想为我的系数计算标准误差。据我所知，sklearn不包括这样的函数，因此我需要手动计算它们(关于线性回归系数估计的标准误差示例，请参阅 )。
我使用线性回归的residues_属性来得到平方残差之和。残差和.平方欧几里得2-范数对每个目标通过在拟合期间。如果线性回归问题是欠确定的(训练矩阵的线性无关行数小于其线性
浏览 2提问于2017-08-03得票数 0
1回答
我有这个数据：其中：y: independent variable如何在Python中找到最优的"a“和"b”参数，以便优化此函数：我知道最佳的解决办法是：b = 1
浏览 0提问于2021-12-10得票数 1
回答已采纳
1回答
现在我试图在密集点区域应用线性回归拟合，但是我的线性回归线似乎完全偏离了它应该在的位置？这里演示的是我在左边的图，它有一个低回归拟合和一个线性拟合。为什么我的回归线看上去不更像右边(手绘合适)？如果我想出一条最合适的路线，它会在那里吗？
是否有其他的线性回归拟合可以证明对我更好？
浏览 4提问于2014-03-08得票数 8
回答已采纳
3回答
我试过用SKLearn进行线性回归。我有一些数据是这样的:卡路里摄入量。300 - 190基本上是由数字组成，但我已经将数据集拟合成线性回归模型。但是，我该如何使仅仅是我的10个新数据--摄入的卡路里数--并使它成为我希望回归者预测的测试集？
浏览 0提问于2018-05-04得票数 4
我正在拟合两个模型，线性回归和拉索。import numpy as np
X = pd.DataFrame(np.random.randlinear_model.Lasso().fit(X,y)
print('Linear regression score'
浏览 0提问于2019-12-28得票数 4
TL;DR预测“价格”，给定“长度”和"wandRate“下面是一个片段：这是某一种大米加工稻谷的过去定价数据。这些价格是基于一种长期的反复试验的方法，即向不同的专家询问他们对某一特定长度的谷物应该如何定价的“意见”。还有其他的变量不能客观地衡量，但长度是主要的指标。我想知道，在给定“长度”和"wandRate“的情况下，是否有可能在两个变量中建立一个目标模型或找到一个多项式方程来预
浏览 0提问于2019-12-19得票数 2
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号