Python Sklearn线性回归产生不正确的系数值

我试图找到线性方程的斜率和y截距系数。我创建了一个测试域和范围，以确保我收到的数字是正确的。方程应为y=2x+1，但模型表示斜率为24，y截距为40.3125。该模型准确地预测了我给出的每一个值，但我质疑如何才能得到正确的值

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

X = np.arange(0, 40)
y = (2 * X) + 1

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.2, random_state=0)
X_train = [[i] for i in X_train]
X_test = [[i] for i in X_test]

sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

regr = linear_model.LinearRegression()

regr.fit(X_train, y_train)

y_pred = regr.predict(X_test)

print('Coefficients: \n', regr.coef_)
print('Y-intercept: \n', regr.intercept_)
print('Mean squared error: %.2f'
      % mean_squared_error(y_test, y_pred))
print('Coefficient of determination: %.2f'
      % r2_score(y_test, y_pred))

plt.scatter(X_test, y_test,  color='black')
plt.plot(X_test, y_pred, color='blue', linewidth=3)
print(X_test)

plt.xticks()
plt.yticks()

plt.show()

---

这是因为您扩展了培训和测试数据。因此，即使您生成了

y

作为

X

的线性函数，您还是通过标准化将

X\u序列

和

X\u测试

转换为另一个尺度（减去平均值，除以标准偏差）

如果我们运行您的代码，但忽略了缩放数据的行，那么您将得到预期的结果

X=np.arange（0,40）
y=（2*X）+1
X_序列，X_测试，y_序列，y_测试=序列测试分割（X，y，测试大小=.2，随机状态=0）
X_-train=[[i]表示X_-train中的i]
X_测试=[[i]表示X_测试中的i]
#跳过X_列和X_测试的缩放
#sc=StandardScaler（）
#X_序列=sc.fit_变换（X_序列）
#X_测试=sc.transform（X_测试）
regr=线性模型。线性回归（）
重新装配（X_系列、y_系列）
y_pred=重新预测（X_检验）
打印（'系数：\n'，再生系数\）
>系数：
[2.]
打印（'Y-截距：\n'，再截距u3;）
>Y截距：
1