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
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)