sklearn coef
时间: 2023-06-28 11:05:52 浏览: 56
在 scikit-learn 中,许多机器学习模型都有一个 coef_ 属性,它表示每个特征的权重或系数。这些系数可以用来解释模型的预测结果,也可以用来选择重要的特征。
对于线性模型,coef_ 属性是一个一维数组,其中每个元素对应一个特征的系数。例如,在线性回归模型中,coef_ 数组包含每个特征的回归系数。对于逻辑回归模型,coef_ 数组包含每个特征的对数几率系数。
对于非线性模型,coef_ 属性的含义可能有所不同。例如,在决策树模型中,coef_ 属性表示每个特征在树中的重要性。
以下是一个线性回归模型的示例,演示了如何使用 coef_ 属性来查看每个特征的权重:
```
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
boston = load_boston()
X = boston.data
y = boston.target
model = LinearRegression()
model.fit(X, y)
for i, name in enumerate(boston.feature_names):
print(f"{name}: {model.coef_[i]}")
```
这将输出每个特征的系数,例如:
```
CRIM: -0.10801135783679537
ZN: 0.0464204583668795
INDUS: 0.020558626367069046
CHAS: 2.686733819344844
NOX: -17.766611228300132
RM: 3.809865206809228
AGE: 0.0006922246403413572
DIS: -1.47556684560025
RAD: 0.3060494789851685
TAX: -0.012334593916574081
PTRATIO: -0.9527472317072882
B: 0.009311683273793747
LSTAT: -0.5247583778554927
```