如何利用scikit线性回归找到系数的特征名称？

Question

#training the model
model_1_features = ['sqft_living', 'bathrooms', 'bedrooms', 'lat', 'long']
model_2_features = model_1_features + ['bed_bath_rooms']
model_3_features = model_2_features + ['bedrooms_squared', 'log_sqft_living', 'lat_plus_long']

model_1 = linear_model.LinearRegression()
model_1.fit(train_data[model_1_features], train_data['price'])

model_2 = linear_model.LinearRegression()
model_2.fit(train_data[model_2_features], train_data['price'])

model_3 = linear_model.LinearRegression()
model_3.fit(train_data[model_3_features], train_data['price'])

# extracting the coef
print model_1.coef_
print model_2.coef_
print model_3.coef_

如果我更改特征的顺序，coef仍然以相同的顺序打印，因此我想知道特征与coef的映射

Answer 1

这是我在Jupyter中用来打印系数的工具。我不知道为什么顺序是一个问题-据我所知，系数的顺序应该与您给出的输入数据的顺序相匹配。

请注意，第一行假设您有一个名为df的Pandas数据帧，在将其转换为numpy数组进行回归之前，您最初将数据存储在该数据帧中：

fieldList = np.array(list(df)).reshape(-1,1)

coeffs = np.reshape(np.round(clf.coef_,5),(-1,1))
coeffs=np.concatenate((fieldList,coeffs),axis=1)
print(pd.DataFrame(coeffs,columns=['Field','Coeff']))

Answer 2

诀窍在于，在训练完模型之后，您就知道了系数的顺序：

model_1 = linear_model.LinearRegression()
model_1.fit(train_data[model_1_features], train_data['price'])
print(list(zip(model_1.coef_, model_1_features)))

这将打印系数和正确的特征。（用熊猫数据框测试）

如果以后要重用系数，也可以将其放入字典中：

coef_dict = {}
for coef, feat in zip(model_1.coef_,model_1_features):
    coef_dict[feat] = coef

（您可以通过培训具有相同功能的两个模型来测试它，但正如您所说的，功能顺序是无序的。）

Answer 3

@Robin给出了一个很好的答案，但对我来说，我必须对它做一个调整，才能按照我想要的方式工作，这是指我想要的“coef”np.array的维度，即修改为：model_1.coef_0，：]，如下所示：

coef_dict = {}
for coef, feat in zip(model_1.coef_[0,:],model_1_features):
    coef_dict[feat] = coef

然后，按照我的想象创建了dict，它有{feature_name'：coefficient_value}对。