Python AttributeError:LinearRegression对象没有属性'；coef'；

我一直在尝试通过线性回归拟合这些数据，遵循BigDataChecker的教程。到目前为止，一切都很顺利。我从sklearn中导入了线性回归，并很好地打印了系数的数量。这是我试图从控制台获取系数之前的代码

import numpy as np
import pandas as pd
import scipy.stats as stats
import matplotlib.pyplot as plt
import sklearn
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression

boston = load_boston()
bos = pd.DataFrame(boston.data)
bos.columns = boston.feature_names
bos['PRICE'] = boston.target

X = bos.drop('PRICE', axis = 1)

lm = LinearRegression()

设置完所有这些后，我运行以下命令，它返回正确的输出：

In [68]: print('Number of coefficients:', len(lm.coef_)

Number of coefficients: 13

然而，现在如果我再次尝试打印同一行，或者使用'lm.coef_uu'，它告诉我coef_u不是LinearRegression的属性，就在我刚刚成功使用它之后，并且在我再次尝试之前，我没有接触任何代码

In [70]: print('Number of coefficients:', len(lm.coef_))

Traceback (most recent call last):

 File "<ipython-input-70-5ad192630df3>", line 1, in <module>
print('Number of coefficients:', len(lm.coef_))

AttributeError: 'LinearRegression' object has no attribute 'coef_'

[70]中的

：print（'系数数：'，len（lm.coef)））
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
打印（'系数的数量：'，len（lm.coef_））
AttributeError:“LinearRegression”对象没有属性“coef\ux”

当调用

fit（）

方法时，将创建

coef\uuu

属性。在此之前，它将是未定义的：

>>> import numpy as np
>>> import pandas as pd
>>> from sklearn.datasets import load_boston
>>> from sklearn.linear_model import LinearRegression

>>> boston = load_boston()

>>> lm = LinearRegression()
>>> lm.coef_
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-22-975676802622> in <module>()
      7 
      8 lm = LinearRegression()
----> 9 lm.coef_

AttributeError: 'LinearRegression' object has no attribute 'coef_'

---

我的猜测是，当您运行有问题的行时，不知何故您忘记调用

fit（）

。

在哪里调用fit方法？只有您共享的部分，len（lm.coef_）无法打印13。我从未调用fit方法，但我可以向您保证，第一次运行该行时，它肯定返回了13。我不确定这是否是python 3的问题或其他问题，但它第一次确实打印了它。@destoxia如果你不适合这个函数，怎么会有一个系数？？？@destoxia本质上你是在试图解决y=mx+c中的m，m是你的系数。68到70之间有什么？我猜类似于

runfile（…）

？谢谢你，这似乎解决了问题，尽管我不确定它第一次没有安装时是如何工作的。

>>> lm.fit(boston.data, boston.target)
>>> lm.coef_
array([ -1.07170557e-01,   4.63952195e-02,   2.08602395e-02,
         2.68856140e+00,  -1.77957587e+01,   3.80475246e+00,
         7.51061703e-04,  -1.47575880e+00,   3.05655038e-01,
        -1.23293463e-02,  -9.53463555e-01,   9.39251272e-03,
        -5.25466633e-01])