Python Sklearn线性回归不可调用

我正在使用pandas和sklearn实现简单线性回归和多元线性回归

我的代码如下

import pandas as pd
import numpy as np
import scipy.stats
from sklearn import linear_model
from sklearn.metrics import r2_score
df = pd.read_csv("Auto.csv", na_values='?').dropna()

lr = linear_model.LinearRegression()
y = df['mpg']
x = df['displacement']
X = x.values.reshape(-1,1)
sklearn_model = lr.fit(X,y)

这很好，但对于多重线性回归，由于某种原因，它不适用于sklearn线性回归末尾的（），当我将其与括号一起使用时，会出现以下错误：

TypeError: 'LinearRegression' object is not callable

我的多元线性回归代码如下：

lr = linear_model.LinearRegression

feature_1 = np.array(df[['displacement']])
feature_2 = np.array(df[['weight']])
feature_1 = feature_1.reshape(len(feature_1),1)
feature_2 = feature_2.reshape(len(feature_2),1)

X = np.hstack([feature_1,feature_2])

sklearn_mlr = lr(X,df['mpg'])

from sklearn.linear_model import LinearRegression

我想知道我做错了什么。此外，如果在最后不使用（）的话，我无法打印线性回归方法中的各种属性。e、 g

print(sklearn_mlr.coef_)

给我一个错误：

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

---

lr

在您的示例中是一个类

您需要初始化它，然后从实例中调用

.fit（X，df['mpg']）

。

给定以下代码片段：

lr = linear_model.LinearRegression

feature_1 = np.array(df[['displacement']])
feature_2 = np.array(df[['weight']])
feature_1 = feature_1.reshape(len(feature_1),1)
feature_2 = feature_2.reshape(len(feature_2),1)

X = np.hstack([feature_1,feature_2])

sklearn_mlr = lr(X,df['mpg'])

您的问题是尚未初始化LinearRegression类的实例。您需要像在第一个示例中那样初始化它。然后您可以使用

fit

方法，如下所示：

lr = linear_model.LinearRegression()

feature_1 = np.array(df[['displacement']])
feature_2 = np.array(df[['weight']])
feature_1 = feature_1.reshape(len(feature_1),1)
feature_2 = feature_2.reshape(len(feature_2),1)

X = np.hstack([feature_1,feature_2])

sklearn_mlr = lr.fit(X,df['mpg'])

---

一旦一个实例适合，它将具有文档中列出的属性（例如

.coef\uu

）。既然您试图访问LogisticRegression类本身的

.coef

。

为什么不按如下方式导入它：

lr = linear_model.LinearRegression

feature_1 = np.array(df[['displacement']])
feature_2 = np.array(df[['weight']])
feature_1 = feature_1.reshape(len(feature_1),1)
feature_2 = feature_2.reshape(len(feature_2),1)

X = np.hstack([feature_1,feature_2])

sklearn_mlr = lr(X,df['mpg'])

from sklearn.linear_model import LinearRegression

在我看来，这比你做的要干净得多。然后您可以这样使用它：

lr = LinearRegression()

---

我无法复制这个。我怀疑你在什么地方做了

linear\u model.LinearRegression=linear\u model.LinearRegression（）

，这会重现这个错误……你知道

（）

是如何工作的吗？为什么上面的代码有效？