上面就是根据模型估计出来的系数算的可决系数,回归系数你是没有办法改变和自行设定的,他这个回归系数估计的时候就是使得残差平方和更小,你自己尝试的话不可能找到更好的回归系数的。
#导入库 import pandas as pd import numpy as np #模拟一些数据 data=pd.DataFrame(np.random.randn(10,3),columns=["y","x1","x2"]) #导入线性回归类 from sklearn.linear_model import LinearRegression #开始建模估计回归系数 #实例化一个回归模型 regmodel = LinearRegression() #给模型传入测试集数据x和y regmodel.fit(data.loc[:,["x1","x2"]],data["y"])#线性回归训练 #计算模型的可决系数 regmodel.score(data.loc[:,["x1","x2"]],data["y"]) #通过help(regmodel.score)可以看到这个方法返回的是回归方程的可决系数