6 模型的属性与功能

模型的属性与功能

上次学了 Sklearn 中的 data sets，今天来看 Model 的属性和功能。

这里以 LinearRegressor 为例，所以先导入包，数据，还有模型。

model.fit 和 model.predict 就属于 Model 的功能，用来训练模型，用训练好的模型预测。

然后，model.coef_ 和 model.intercept_ 属于 Model 的属性， 例如对于 LinearRegressor 这个模型，这两个属性分别输出模型的斜率和截距（与y轴的交点）。

model.get_params() 也是功能，它可以取出之前定义的参数。

model.score(data_X, data_y) 它可以对 Model 用 R^2 的方式进行打分，输出精确度。

# 导入满满的数据库from sklearn import datasets# 导入 线性回归 方法from sklearn.linear_model import LinearRegression# 导入波士顿房价数据loaded_data = datasets.load_boston()data_X = loaded_data.datadata_y = loaded_data.target# 用默认属性创建线性回归模型model = LinearRegression()# 接下来 model.fit 和 model.predict 就属于 Model 的功能，用来训练模型，用训练好的模型预测。model.fit(data_X, data_y)print(model.predict(data_X[:4, :]))"""[ 30.00821269  25.0298606   30.5702317   28.60814055]"""# 然后，model.coef_ 和 model.intercept_ 属于 Model 的属性，# 例如对于 LinearRegressor 这个模型，这两个属性分别输出模型的斜率和截距（与y轴的交点）。print(model.coef_)print(model.intercept_)"""[ -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]36.4911032804"""# model.get_params() 也是功能，它可以取出之前定义的参数。print(model.get_params())"""{'copy_X': True, 'normalize': False, 'n_jobs': 1, 'fit_intercept': True}"""# model.score(data_X, data_y) 它可以对 Model 用 R^2 的方式进行打分，输出精确度。print(model.score(data_X, data_y)) # R^2 coefficient of determination"""0.740607742865"""