了解 Sklearn 的线性回归加权

Question

我很难让 的线性回归中的加权数组影响输出。sklearn下面是一个没有权重的示例。import numpy as npimport seaborn as snsfrom sklearn import linear_modelx = np.arange(0,100.)y = (x**2.0)xr = np.array(x).reshape(-1, 1)yr = np.array(y).reshape(-1, 1)regr = linear_model.LinearRegression()regr.fit(xr, yr)y_pred = regr.predict(xr)sns.scatterplot(x=x, y = y)sns.lineplot(x=x, y = y_pred.T[0].tolist())现在，在添加权重时，我得到了相同的最佳配合线。我预计会看到回归有利于曲线的更陡峭部分。我做错了什么？w = [p**2 for p in x.reshape(-1)]wregr = linear_model.LinearRegression()wregr.fit(xr,yr, sample_weight=w)yw_pred = regr.predict(xr)wregr = linear_model.LinearRegression(fit_intercept=True)wregr.fit(xr,yr, sample_weight=w)yw_pred = regr.predict(xr)sns.scatterplot(x=x, y = y)                      #plot curvesns.lineplot(x=x, y = y_pred.T[0].tolist())      #plot non-weighted best fit linesns.lineplot(x=x, y = yw_pred.T[0].tolist())     #plot weighted best fit line

Answer 1

这是由于代码中的错误。加权模型的拟合应为：

yw_pred = wregr.predict(xr)

而不是

yw_pred = regr.predict(xr)

有了这个，你会得到：