Python 的 sklearn coef_ 输出中的目标是什么？

Question

当我在 Python 中使用 sklearn 进行岭回归时， coef_ 输出给了我一个二维数组。根据文档，它是 (n_targets, n_features)。

我知道特征是我的系数。但是，我不确定目标是什么。这是什么？

Answer 1

目标是您要预测的值。岭回归实际上可以为每个实例预测更多的值，而不仅仅是一个。该coef_包含每个目标的预测系数。这也与您训练一个模型来分别预测每个目标一样。

让我们看一个简单的例子。我将使用LinearRegression而不是Ridge，因为Ridge缩小系数的值并使其更难理解。

首先，我们创建一些随机数据：

X = np.random.uniform(size=100).reshape(50, 2)
y = np.dot(X, [[1, 2, 3], [3, 4, 5]])

中的前三个实例X是：

[[ 0.70335619  0.42612165]
 [ 0.2959883   0.10571314]
 [ 0.33868804  0.07351525]]

y这些实例的目标是

[[ 1.98172114  3.11119897  4.24067681]
 [ 0.61312771  1.01482915  1.41653058]
 [ 0.55923378  0.97143708  1.38364037]]

注意，那个y[0] = x[0]+3*x[1]，y[1] = 2*x[0] + 4*x[1]和y[2] = 3*x[0] + 5*x[1]（这就是我们用矩阵乘法创建数据的方式）。

如果我们现在拟合线性回归模型

clf = linear_model.LinearRegression()
clf.fit(X, y) 

在coef_s为：

[[ 1.  3.]
 [ 2.  4.]
 [ 3.  5.]]

这与我们用来创建数据的方程完全匹配。