Python 3.x Scikit学习用于MLR的正确性？

您好，我对用于mlr的scikit学习包（线性模型。线性回归）的正确性有问题。在所有情况下，使用和构建的数据都是相同的，没有截获

Python代码：

data = np.loadtxt(fname=file, delimiter='\t')
X = data[:, 1:]
Y = data[:, 1]
mlr = LinearRegression(fit_intercept=False)
mlr.fit(X,Y)
print(mlr.coef_)

1.00000000e+00  6.20460347e-17 -1.82373860e-17  3.35782591e-19
7.92128777e-17 -1.04990677e-17 -1.15961796e-16  1.33629653e-15

R:

C#（仅使用accord.net，相当复杂的程序发布结果）：

有什么原因吗

tldr；使用

scikit-learn

，

R

，

C#

accord.net

比较mlr系数，从sklearn获得bs结果，而accord.net和R给出类似结果

我已经找出了原因（这是我自己的虚拟错误）

Y=data[：，1]

错误

改为：

Y=data[：，0]

现在我明白了（这是正确的）：

我已经弄明白了原因（这是我自己的愚蠢错误）

Y=data[：，1]

错误

改为：

Y=data[：，0]

现在我明白了（这是正确的）：

---

你能生成一些可复制的例子吗？你能在帖子中添加一些拟合统计数据，如RMSE和R平方吗？这允许额外的比较分析。你能生成一些可复制的例子吗？请你在文章中添加一些拟合统计数据，如RMSE和R平方？这允许进行额外的比较分析。

Y = data[,1]
X = data[,-1]
X = as.matrix(X)
m1 = lm(Y~X-1)
m1$coefficients

 0.0546782907  0.0159731763  0.1312037785 -0.0507591565  0.1036469860 

 0.0050217163 -0.1006476385  0.0248998498  0.0081473528 -0.0111405854 

 0.0546782906719276*x0 + 0.0159731763215885*x1 + 0.13120377853918*x2 + -0.0507591564748648*x3 + 0.103646986044143*x4 + 0.00502171630071436*x5 

5.46782907e-02  1.59731763e-02  1.31203779e-01 -5.07591565e-02
  1.03646986e-01  5.02171630e-03 -1.00647639e-01  2.48998498e-02