Python 3.x Scikit Learn sklearn.linear_model.LinearRegression：查看生成的模型的结果

因此，我可以让sklearn.linear_model.LinearRegression来处理我的数据——至少可以在不引发任何异常或警告的情况下运行脚本。唯一的问题是，我没有试图用matplotlib绘制结果，而是希望看到模型的估计值和诊断统计数据

如何获得模型摘要，如斜率和截距（B0、B1）、调整后的R平方等，以显示在控制台中，或填充到变量中，而不是打印该变量

这是我运行的脚本的常规副本：

import numpy as p
import pandas as pn
from sklearn import datasets, linear_model

z = pn.DataFrame(
{'a' : [1,2,3,4,5,6,7,8,9],
'b' : [9,8,7,6,5,4,3,2,1]
})



a2 = z['a'].values.reshape(9,1)
b2 = z['b'].values.reshape(9,1)

reg = linear_model.LinearRegression(fit_intercept=True)
reg.fit(a2,b2)
# print(reg.get_params(deep=True)) I tried this and it didn't print out the #information I wanted

# print(reg) # I tried this too

此操作运行时没有出现错误，但控制台中除此之外没有其他输出：

{'n_jobs'：1，'fit_intercept'：True，'copy_X'：True，'normalize'：False} 线性回归（复制X=True，拟合截距=True，n\u作业=1，规格化=False）

---

感谢您提供有关如何打印模型摘要的信息。

sklearn

的API设计用于拟合训练数据，然后生成测试数据预测，而无需公开有关模型拟合程度的任何信息。虽然有时可以通过访问拟合模型对象的

coef\uu

属性来查找模型的估计参数，但在参数描述功能方面找不到太多。这是因为可能无法以统一的方式提供这些信息。该API旨在让您将线性回归视为随机林

---

因为您对线性模型感兴趣，所以可以从库中获取所需的信息，包括置信区间、拟合优度统计等。有关详细信息，请参阅他们的OLS示例。

谢谢您提供此信息。