使用Scikit学习回归时的截距和系数解释值

如何解决使用Scikit学习回归时的截距和系数解释值

我的数据包含a，b，c特征和R结果

a     b     c          R
245   49    158    166.6543133
3     195   191    100.3637372
.      .      .        .

我使用scikit Learn Linear regression应用了线性回归并得到了：

截取B0和[k0,k1,k2]系数。

如何在不使用predict函数的情况下使用这些变量来预测结果？

编辑：

我通过将RGB应用于XYZ（CEI）获得了数据，实际上系数与标准公式相似。

Standard formula coeff    :  [0.4887180  0.3106803  0.2006017]
Linear regression coeff   :  [0.488718   0.3106803  0.2006017]

解决方法

您可以将变量yhat创建为

yhat = B0 + k0 * x1 + k1 * x2 + k2 * x3 

其中x1，x2和x3是您的自变量。

注意：

• 上面是线性回归模型的方程，可以扩展为任意数量的变量。
• yhat根据估算系数存储给定值x1，x2和x3的预测值