sklearn - model.coef_返回NxN矩阵

Question

md    = dev_df['MD'].values.astype('float').reshape(1,-1)
tvdss = dev_df['TVDSS'].values.astype('float').reshape(1,-1)

model = linear_model.LinearRegression()
model.fit(md, tvdss)

f = model.predict(X)[0]

>>> model.coef_.shape
(78, 78)

>>> model.coef_
array([[0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       ...,
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.]])

>>> type(md)
numpy.ndarray

>>> type(tvdss)
numpy.ndarray

我有上面的代码，我真的不明白为什么model.coef_正在恢复，而不是单个值的矩阵。我希望它像0.3或13，但它不是一个单一的值。

Answer 1

根据文档：

coef_：阵列，形状（n_features，）或（n_targets，n_features）

估计系数为线性回归问题。如果多个目标被拟合（Y 2D）期间传递，这是形状的2D阵列（n_targets，n_features），而如果只有一个目标被传递，这是长度n_features的一维数组。

您通过多个目标，并因此得到了形状(n_targets, n_features)的二维数组。

Answer 2

尝试：

tvdss = dev_df['TVDSS'].values.astype('float')

看看会发生什么。

据documentation：

Y：阵列状，形状（N_SAMPLES次，）

简单地说，y必须是一维向量，而你传递一个一维列。