線性迴歸（）返回列表（sklearn）內列表

Question

我在做多元線性迴歸在Python（sklearn），但由於某些原因，該係數不正確返回一個列表。而是返回列表IN列表：

from sklearn import linear_model 
clf = linear_model.LinearRegression() 
# clf.fit ([[0, 0, 0], [1, 1, 1], [2, 2, 2]], [0, 1, 2]) 
clf.fit([[394, 3878, 13, 4, 0, 0],[384, 10175, 14, 4, 0, 0]],[3,9]) 
print 'coef array',clf.coef_ 
print 'length', len(clf.coef_) 
print 'getting value 0:', clf.coef_[0] 
print 'getting value 1:', clf.coef_[1] 

這將返回列表[[]]而不是列表[]的列表中的值。任何想法爲什麼發生這種情況？輸出：

coef array [[ 1.03428648e-03 9.54477167e-04 1.45135995e-07 0.00000000e+00 
0.00000000e+00 0.00000000e+00]] 
length 1 
getting value 0: [ 1.03428648e-03 9.54477167e-04 1.45135995e-07 0.0000000 
0e+00 0.00000000e+00 0.00000000e+00] 
getting value 1: 
Traceback (most recent call last): 
    File "regress.py", line 8, in <module> 
    print 'getting value 1:', clf.coef_[1] 
IndexError: index out of bounds 

但這個工程：

from sklearn import linear_model 
clf = linear_model.LinearRegression() 
clf.fit ([[0, 0, 0], [1, 1, 1], [2, 2, 2]], [0, 1, 2]) 
# clf.fit([[394, 3878, 13, 4, 0, 0],[384, 10175, 14, 4, 0, 0]],[3,9]) 
print 'coef array',clf.coef_ 
print 'length', len(clf.coef_) 
print 'getting value 0:', clf.coef_[0] 
print 'getting value 1:', clf.coef_[1] 

輸出：

coef array [ 0.33333333 0.33333333 0.33333333] 
length 3 
getting value 0: 0.333333333333 
getting value 1: 0.333333333333 

Answer 1

這是通過在SciKit，學習文件夾更新兩個文件修復。

的代碼是在這裏： https://github.com/scikit-learn/scikit-learn/commit/d0b20f0a21ba42b85375b1fbc7202dc3962ae54f

Answer 2

這個真沒有關於Python語言一個有效的問題;這對sklearn的開發者應該是一個問題。但是......如果你知道這是你的數據將被返回的格式，你可以只：

print 'getting value 0:', clf.coef_[0][0] 
print 'getting value 1:', clf.coef_[0][1] 
            ^^^ 

Answer 3

我從來沒有使用爲您指的是多元線性迴歸的模塊，所以我不知道爲什麼它正在發生。但如果你只是想解決你的問題，您可以拼合名單：

flat_list = clf.coef_[0] 

如果列表中可能有不止一個子表（並想將它們全部組合成一個平坦的列表），那麼你就可以使用更普遍的方式來壓平：

flat_list = [item for sublist in clf.coef_ for item in sublist] 

編輯：雖然從包的開發者真正的解釋/解決方案等，你可以依靠這樣一個解決方案：

if isinstance(clf.coef_[0], list): 
    clf.coef_ = clf.coef_[0] 

只有當其中有一個子列表時，纔會使列表變平。

Answer 4

好像與scipy.linalg的問題。如果您追蹤呼叫鏈，它將首先進入https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/base.py#L218，然後到達https://github.com/scipy/scipy/blob/master/scipy/linalg/basic.py#L468的if語句。 if區分你的兩個測試用例。在第一種情況下m,n=2,6，第二種情況下你有m,n=3,3。