小编Rya*_*yan的帖子

我正在使用sklearn,特别是linear_model模块.在拟合简单的线性之后

import pandas as pd
import numpy as np
from sklearn import linear_model
randn = np.random.randn

X = pd.DataFrame(randn(10,3), columns=['X1','X2','X3'])
y = pd.DataFrame(randn(10,1), columns=['Y'])        

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

我看到我如何通过coef_和intercept_访问系数和截距,预测也很简单.我想访问这个简单模型的参数的方差 - 协方差矩阵,以及这些参数的标准误差.我熟悉R和vcov()函数,似乎scipy.optimize有一些功能(使用python中的optimize.leastsq方法获取拟合参数的标准错误) - sklearn是否具有访问这些统计信息的任何功能??

感谢任何帮助.

-Ryan

我的目标是分配现有二维数组的值，或创建一个新数组，使用两个形状相同的二维数组，一个包含值，另一个包含索引以分配相应的值。

X = np.array([range(5),range(5)])
X
array([[0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4]])

Y= np.array([range(5), [2,3,4,1,0]])
Y
array([[0, 1, 2, 3, 4],
       [2, 3, 4, 1, 0]])

我想要的输出是与 X 和 Y 形状相同的数组，X 的值在 Y 中相应行的索引中给出。可以通过按以下方式循环每一行来实现此结果：

output = np.zeros(X.shape)

for i in range(X.shape[0]):
    output[i][Y[i]] = X[i]
output 
array([[ 0.,  1.,  2.,  3.,  4.],
       [ 4.,  3.,  0.,  1.,  2.]])

有没有更有效的方法来应用此类作业？

np.take(output, Y) 

将返回输出数组中我想分配给 X 的值的项目，但我相信 np.take 不会生成对原始数组的引用，而是生成一个新数组。

我想在R中创建一个列,它只是另一列的所有先前值的平均值.例如:

D
    X
1   1
2   2
3   3
4   4
5   5
6   6
7   7
8   8
9   9
10 10

我希望D $ Y是D $ X的先前平均值,即D $ Y是之前所有D $ X观测值的平均值.我知道如何使用for循环移动每一行来做到这一点,但是有更高效的方式吗？

我有一个大型数据集和硬件不能胜任该任务!

谢谢Ryan