Python sklearn线性回归/系数计算得出的函数方程给出的结果与模型不同。预测（x）

我试图得到用sklearn创建的线性回归模型的方程。然而，当我试图用模型中的系数手工计算预测值时，我得到了奇怪的结果。我想我在某个地方犯了一个错误，但我自己却没能弄明白

这是我的密码：

# Many data points in Pandas DataFrame "filtered_data"

predictors = ["Druckwinkel korrigiert [°]", "Druckwinkel sq.", "Drehzahl [1/min]"]
regressant = "Kraft [N]"

x = filtered_data[predictors].to_numpy()
y = filtered_data[regressant].to_numpy()

model = LinearRegression()
model.fit(x, y)

print("Intercept:", model.intercept_)
print("Coefficients:", model.coef_)
print("R²:", model.score(x, y))

这张照片是：

Intercept: 150070.5970260448
Coefficients: [-1.28305930e+04  2.73978667e+02  1.48116871e-01]
R²: 0.9578737003844259

如果我这样做

model.predict(np.array([28, 28**2, 2768]).reshape(1, -1))

我明白了

这似乎是合理的。但是如果我用系数和截距来计算Y，像这样：

def load(contact_angle, shaft_speed):
     return 150070.59702 - 12830.59299 * (contact_angle ** 2) + 273.97866 * contact_angle + 0.14811 * shaft_speed

load(28, 2768)

我明白了

这根本不是我所期望的

---

有人能帮忙吗？

我想你预测的是

[28,28**22768]

而你的手动计算通过了

[28**2,28,2768]

要解决此问题，请执行以下操作：

def负载（接触角、轴速度）：
返回150070.59702-12830.59299*接触角+273.97866*（接触角**2）+0.14811*轴速度
负载（282768）

对不起，我很笨。。。我把系数0和1混淆了。。

def load(contact_angle, shaft_speed):
     return 150070.59702 - 12830.59299 * (contact_angle ** 2) + 273.97866 * contact_angle + 0.14811 * shaft_speed

load(28, 2768)

-9901032.920822442