Python 基于sklearn的多项式回归

这是我的密码：

import numpy as np
from sklearn.preprocessing import PolynomialFeatures

X=np.array([[1, 2, 4]]).T
print(X)
y=np.array([1, 4, 16])
print(y)
model = PolynomialFeatures(degree=2)
model.fit(X,y)
print('Coefficients: \n', model.coef_)
print('Others: \n', model.intercept_)

#X_predict=np.array([[3]])
#model.predict(X_predict)

我有以下错误：

---

多项式特征

没有名为

coef

的变量。多项式特征不会进行多项式拟合，它只是将初始变量转换为更高阶。实际执行回归的完整代码如下：

import numpy as np
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import make_pipeline

X=np.array([[1, 2, 4]]).T
print(X)
y=np.array([1, 4, 16])
print(y)
model = make_pipeline(PolynomialFeatures(degree=2), LinearRegression(fit_intercept = False))
model.fit(X,y)
X_predict = np.array([[3]])
print(model.named_steps.linearregression.coef_)
print(model.predict(X_predict))

---

我有系数：[3.55300751e-15-5.10702591e-15 1.00000000e+00]>但是模型是y=a*x*x+b*x+c（a=1，b=0，c=0）…系数是[c，b，a]，所以从1e-15~0开始它就工作得很好。看看打印时X_poly的样子好吗？我可以用X_predict=np.array（[[3]]）model.predict（X_predict）进行预测吗？这给了我y=a*3*3+b*3+c=9I更新了答案以使用scikit学习管道。在构建管道时，您说模型应该首先使用多项式特征转换数据，然后使用线性回归进行回归。我可以同时进行预测和显示系数吗？使用此代码我无法显示系数这是否回答了您的问题？