from sklearn.linear_model import LinearRegressionlr= LinearRegression()X=[[1.1,1.3,1.5]]y=[[39343,46205,37731]]lr.fit(X, y)lr.summary()----> 1 lr.summary() 中的 AttributeError Traceback（最近一次調(diào)用最后一次）AttributeError：“LinearRegression”對象沒有屬性“summary”
3 回答
繁星coding
TA貢獻(xiàn)1797條經(jīng)驗(yàn) 獲得超4個(gè)贊
該方法summary()根本不存在于該名稱下lr，如果您嘗試訪問可以使用的系數(shù)：
reg.coef_
除此之外，您最好檢查文檔：sklearn.linear_model.LinearRegression 文檔
或者您可以立即檢查可以lr使用以下命令訪問哪些名稱：
dir(lr)
或使用以下命令閱讀幫助文檔：
help(lr)
www說
TA貢獻(xiàn)1775條經(jīng)驗(yàn) 獲得超8個(gè)贊
我一直有這個(gè)問題。這是因?yàn)樵跀M合模型之前需要使用 statsmodel 的普通最小二乘函數(shù)（sm.OLS(y,x,data=data_frame)）。您可能還應(yīng)該向 x 軸添加一個(gè)常量：
from sklearn.linear_model import LinearRegression
import statsmodels.api as sm
lr= LinearRegression()
X=[[1.1,1.3,1.5]]
y=[[39343,46205,37731]]
X = sm.add_constant(X)
model = sm.OLS(y,X)
fitted_model = model.fit()
fitted_model.summary()
呼喚遠(yuǎn)方
TA貢獻(xiàn)1856條經(jīng)驗(yàn) 獲得超11個(gè)贊
我對 R 的回歸和 python 的回歸感到困惑。
是的，如果你想在 python 中看到類似的總結(jié)報(bào)告，那么 statsmodels 的普通最小二乘就是實(shí)現(xiàn)它的方法。
添加回答
舉報(bào)
0/150
提交
取消