我正在使用sklearn,尤其是linear_model模块。在拟合一个简单的线性后,如
import pandas as pd
import numpy as np
from sklearn import linear_model
randn = np.random.randn
X = pd.DataFrame(randn(10,3), columns=['X1','X2','X3'])
y = pd.DataFrame(randn(10,1), columns=['Y'])
model = linear_model.LinearRegression()
model.fit(X=X, y=y)
我知道如何访问系数并通过coef_和intercept_进行拦截,预测也很简单。我想访问此简单模型的参数以及这些参数的标准误差的方差-协方差矩阵。我熟悉R和vcov()函数,并且scipy.optimize对此具有某些功能(Getting standard errors on fitted parameters using the optimize.leastsq method in python)-sklearn是否具有访问这些统计信息的任何功能?
感谢任何帮助。
-Ryan
我正在使用sklearn,尤其是linear_model模块。在将简单的线性拟合为import pandas作为pd后,从sklearn导入numpy作为np,import line_model randn = np.random ....
否,scikit-learn没有建立用于进行推断的错误估计。 Statsmodels确实可以。