Scikit了解sklearn.linear_model.LinearRegression：查看模型的结果产生

Question

所以，我可以得到sklearn.linear_model.LinearRegression来处理我的数据 - 至少没有提出任何例外情况或警告来运行该脚本。唯一的问题是，我不想用matplotlib绘制结果，而是想看看模型的估计值和诊断统计量。

我怎样才能获得一个模型总结如斜率和截距（B0，B1）中，R的平方调整等绘制此的在控制台显示或填充到一个变量，而不是？

这是我跑的脚本的普通副本：

import numpy as p 
import pandas as pn 
from sklearn import datasets, linear_model 

z = pn.DataFrame(
{'a' : [1,2,3,4,5,6,7,8,9], 
'b' : [9,8,7,6,5,4,3,2,1] 
}) 



a2 = z['a'].values.reshape(9,1) 
b2 = z['b'].values.reshape(9,1) 

reg = linear_model.LinearRegression(fit_intercept=True) 
reg.fit(a2,b2) 
# print(reg.get_params(deep=True)) I tried this and it didn't print out the #information I wanted 

# print(reg) # I tried this too 

这种运行没有错误，但没有比这其他的输出出现在控制台：

{“n_jobs”：1，' （复制X = True，fit_intercept = True，n_jobs = 1，normalize = False）

感谢有关如何获得此信息的任何信息打印模型的摘要。

Answer 1

sklearn的API的设计是围绕拟合训练数据，然后生成测试数据的预测不暴露得多，如果有关模型如何适合任何信息。虽然有时可以通过访问拟合模型对象的coef_属性来找到模型的估计参数，但在参数描述功能中找不到太多东西。这是因为可能无法以统一的方式提供这些信息。该API旨在让您将线性回归视为同一个随机森林。

由于您对线性模型感兴趣，因此您可以从statsmodels库中获取要查找的信息，包括置信区间，拟合优度统计等。有关详细信息，请参阅其OLS示例：http://statsmodels.sourceforge.net/devel/examples/notebooks/generated/ols.html。