访问多输出线性回归模型的权重/系数答案

【问题标题】：Access weights / coefficients of multi output Linear Regression model访问多输出线性回归模型的权重/系数
【发布时间】：2020-01-17 13:12:22
【问题描述】：

我已经训练了一个线性回归模型来以多输出方式进行预测。这是一个时间序列预测问题，它根据一组输入估计未来 12 个月的需求。过去 - 如果我只预测一个输出值 - 我会简单地调用以下命令来访问模型的 beta 系数：

model = LinearRegression()
model.fit(X, Y)
weights = pd.DataFrame(regression.coef_, X.columns, columns=['Coefficients'])
print(weights)

但是，当我为 multioutput 模型运行此程序时，我收到错误：

'MultiOutputRegressor' object has no attribute 'coef_'

如何访问多输出线性模型的系数？

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

由于它是MultiOutputRegressor对象，每个估算器都有自己的cof_。您可以通过访问属性估算器获取用于预测的估算器列表_

m_lr=MultiOutputRegressor(LinearRegression())
m_lr.fit(X, Y)
...
for estimator in m_lr.estimators_:
    weights = pd.DataFrame(estimator.coef_, X.columns, columns=['Coefficients'])

【讨论】：