python回归解释结果

Question

我使用python与sklearn和statsmodel一起创建回归模型。这是我第一次使用岭回归。然而，我不明白这些结果意味着什么。例如。

当我打印

print reg.intercept_
print reg.coef_

我得到的是

print  reg.intercept_

[[  0.00000000e+00]
 [ -5.27579034e-03]
 [  3.35202990e-03]
 [ -1.54862324e-02]
 [ -3.74392708e-02]

print reg.coef_   

[ 1.00000000e+00   4.11548523e-02   6.98464464e-01   3.88878487e-01
       5.20562949e+01 ]

无论何时，我做一个正常的线性回归，我只会得到一个截距，但是在岭模型中，我得到了5。有人能解释为什么，它意味着什么吗？

Answer 1

我相信您有多个目标，如果您查看属性线性回归的文档，它指定它独立于模型。如果您查看岭回归，的相同文档，它将在属性部分指定intercept_ : float | array, shape = (n_targets,)。

您可以通过在我修改的以下代码中更改变量n_targets控制的目标数量来验证这一点：

from sklearn.linear_model import Ridge
import numpy as np

n_targets=2
n_samples, n_features = 10, 5

np.random.seed(0)
y = np.random.randn(n_samples,n_targets)
X = np.random.randn(n_samples, n_features)
clf = Ridge(alpha=1.0)
clf.fit(X, y) 

print( clf.intercept_)

如果设置n_targets=1，则得到0.89586534，如果设置n_targets=2，则得到0.7101951 0.36420037。我在我的课程用Python进行数据分析中讨论岭回归。