我正在使用pandas和sklearn实现简单的线性回归和多元线性回归
我的代码如下
import pandas as pd
import numpy as np
import scipy.stats
from sklearn import linear_model
from sklearn.metrics import r2_score
df = pd.read_csv("Auto.csv", na_values='?').dropna()
lr = linear_model.LinearRegression()
y = df['mpg']
x = df['displacement']
X = x.values.reshape(-1,1)
sklearn_model = lr.fit(X,y)
这样可以正常工作,但是对于多元线性回归,由于某些原因它在sklearn的线性回归结束时不能使用(),当我使用括号时,我得到以下错误:
TypeError: 'LinearRegression' object is not callable
我的多元线性回归代码如下:
lr = linear_model.LinearRegression
feature_1 = np.array(df[['displacement']])
feature_2 = np.array(df[['weight']])
feature_1 = feature_1.reshape(len(feature_1),1)
feature_2 = feature_2.reshape(len(feature_2),1)
X = np.hstack([feature_1,feature_2])
sklearn_mlr = lr(X,df['mpg'])
我想知道我做错了什么 . 另外,如果我最后不使用(),我无法在线性回归方法中打印各种属性 . 例如
print(sklearn_mlr.coef_)
给我错误:
AttributeError: 'LinearRegression' object has no attribute 'coef_'
3 回答
鉴于此片段:
您的问题是您尚未初始化LinearRegression类的实例 . 您需要像在第一个示例中那样初始化它 . 然后您可以像这样使用
fit
方法:一旦实例适合,它将具有文档中列出的属性(例如
.coef_
) . 因为它是你试图访问LogisticRegression类本身的.coef
.lr
是您示例中的一个类 .您需要初始化它,然后从实例中调用
.fit(X,df['mpg'])
.为什么不按如下方式导入:
在我看来,它比你做的要干净得多 . 然后你就可以这样使用它: