Jako użytkownik R, chciałem również przyspieszyć działanie scikita.Zestaw Sci-Kit i podsumowanie regresji
Rozpoczęto od linii Liniowej, Grzbietu i Lasso. Przeszedłem przez przykłady. Poniżej znajduje się podstawowe OLS.
Utworzenie modelu wydaje się być wystarczająco rozsądne, ale nie można znaleźć rozsądnego sposobu na uzyskanie standardowego zestawu wyników regresji.
przykład w moim kodu:
# Linear Regression
import numpy as np
from sklearn import datasets
from sklearn.linear_model import LinearRegression
# load the diabetes datasets
dataset = datasets.load_diabetes()
# fit a linear regression model to the data
model = LinearRegression()
model.fit(dataset.data, dataset.target)
print(model)
# make predictions
expected = dataset.target
predicted = model.predict(dataset.data)
# summarize the fit of the model
mse = np.mean((predicted-expected)**2)
print model.intercept_, model.coef_, mse,
print(model.score(dataset.data, dataset.target))
Wydaje się przechwycić i COEF jest wbudowany w modelu, a ja po prostu wpisać print (przedostatnia linia), aby je zobaczyć. A co z pozostałymi standardowymi wynikami regresji, takimi jak R^2, dostosowane R^2, wartości p, itd. Jeśli poprawnie przeczytam przykłady, wydaje mi się, że musisz napisać funkcję/równanie dla każdego z nich, a następnie wydrukować.
A więc, czy nie ma standardowego podsumowania wyników dla modeli lin reg?
Również w moim wydrukowanym zestawie wyników współczynników, nie ma nazw zmiennych powiązanych z każdym z nich? Właśnie otrzymuję tablicę numeryczną. Czy istnieje sposób na wydrukowanie tych danych, skąd otrzymuję dane wyjściowe współczynników i zmiennej, z którą są one powiązane?
Mój wydruk
LinearRegression(copy_X=True, fit_intercept=True, normalize=False)
152.133484163 [ -10.01219782 -239.81908937 519.83978679 324.39042769 -792.18416163
476.74583782 101.04457032 177.06417623 751.9 67.62538639] 2859.69039877
0.517749425413
Dzięki użytkowników scilearn.
Wiele standardowych wskaźników oceny jest dostępnych w ['sklearn.metrics'] (http://scikit-learn.org/stable/modules/classes.html#sklearn-metrics-metrics). –