关于pipeline中用named_steps得到的系数和截距的问题

来源：8-2 scikit-learn中的多项式回归与Pipeline

慕粉4186965

2019-07-09

对于这个帖子中所说的解决方案，对于named_steps得到的系数，差距有点大
图片描述

用

poly_reg.named_steps['lin_reg'].coef_

得到的系数为

array([0.        , 1.6418146 , 1.70106747])

写回答

3回答

liuyubobobo

2019-07-10

已采纳

重新回答一下。

是的。标准化改变了数据，所以，原先数据线性关系所遵守的系数丧失了。得到的系数是不一样的。但由于标准化本身是线性变换，所以，数据之间还会满足线性关系，遵守一个新的线性系数，就是你看到的这个不一样的线性系数。

怎么验证这个结果还是合理的呢？可以看R^2的值，即sklearn中回归算法的score值，得到的结果，和标准化的结果是一样的。

以下是我的实验：

//img.mukewang.com/szimg/5d258aec00017c3e10960890.jpg

继续加油！：）

liuyubobobo

慕粉4186965

对！：）

2019-07-10

共2条回复

慕粉4186965

提问者

2019-07-10

不做标准化，能得到相似的系数 //img.mukewang.com/szimg/5d25803a0001047507650357.jpg

liuyubobobo

2019-07-10

在管道里，首先对数据进行了多项式特征，所以这个lin_reg是针对多项式特征做的回归。而不再是原始数据。所以，已经不遵守你的原始数据设置的参数了。

应该用以下过程拆分管道，来模拟管道里的事情。因为管道里有三个元素，所以一共有三步：

//img.mukewang.com/szimg/5d24c794000186f709000536.jpg

继续加油！：）

liuyubobobo

慕粉4186965

我补充了一个新的答案。标准化后得到的系数不同了，这是因为数据改变了。但是，我们算出的新系数，针对标准化后的数据，是正确的：）

2019-07-10

共3条回复

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5839 学习 · 2437 问题

查看课程

相似问题

用pipeline的时候求 coef_ 和 intercept_ 的方式的问题我的好像不对

回答 1

GridSearchCV与PipeLine结合使用的疑问

回答 3

pipeline

回答 4

PolynomialFeatures 带有截距项

回答 1

R squared 和相关系数

回答 1

打开慕课网App查看更多内容