如何在Python中计算具有系数和截距的线性回归结果

Question

我建立了一个线性回归模型，每个特征的相应系数如下：

regressor.coef_
array([[ 0.10152211,  0.09513825,  0.09252367, -0.31748762, -0.16836985,
-0.06827792, -0.09545832, -0.11869289,  0.03285754, -0.28077261,
-0.17607958, -0.53094975,  0.47035754, -0.27898882]])

我的功能是这样的：

features = [
'N/A', 
'Female', 
'Male', 
'Third Gender', 
'Marketing',
'Finance',
'IT',
'HR',
'Audit',
'Promotion',
'Legal',
'Operations',
'CEO',
'Owner'
]

而不是像这样手动输入公式：

Y = a*x1+b*x2+c*x3+......+Intercept

一旦系数和截距发生变化，我需要再次键入。Python代码中有更好的方法可以做到这一点吗？谢谢

Answer 1

您应该将您的特性用作numpy数组。然后你的公式变成了特征和回归系数的简单点积：

np.dot(X, regressor.coef_)

如果使用sklearn API，可能更好的方法是使用回归器的预测方法。

regressor.predict(X)