Scikit-线性回归-提取指标

Question

• Python 3
• scikit-learn-0.23.1
• numpy-1.18.4
• scipy-1.4.1

是否有可能提取拟合回归模型所需的迭代次数（通过Gradient Descent）？除了常规模型评估指标外，我看不到任何与迭代次数有关的信息。

regressor = LinearRegression()  
regressor.fit(xtr, ytr)

print('Mean Absolute Error:', metrics.mean_absolute_error(yt, y_pred))  
print('Mean Squared Error:', metrics.mean_squared_error(yt, y_pred))  
print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(yt, y_pred)))

Scikit documentation显示所有可能的度量模块

Answer 1

如Gilad]所指出的，使用OLS来计算线性回归问题不涉及迭代。我在这里猜测您正在尝试实现使用渐变下降的线性回归模型。对于下一个，在执行之前定义了迭代次数。

因此要使用Gradient Descent

，可以手动编写algorithm（Another link），也可以使用Sklearn中的Ridge回归或Lasso回归。这里有一个n_iter参数，通过它可以确定确定系数所需的迭代次数。

class sklearn.linear_model.Ridge

（alpha = 1.0，*，fit_intercept = True，normalize = False，copy_X = True，max_iter = None，tol = 0.001，Solver ='auto'，random_state = None）]] >

属性

n_iter

：_无或形状为ndarray（n_targets，）每个目标的实际迭代次数。仅适用于sag和lsqr求解器。其他求解器将返回None。

注

：您可以将solver

定义为sag or saga以使用梯度下降法。