当我用 sklearn 做线性回归时，为什么我只得到一个 coef_？
Why I get just one coef_, when I am doing my linear regression with sklearn?
这是我的代码和下面的输出。我正在用 sklearn-lib 尝试它， 有效。也许 x.reshape 是假的？
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sympy.stats import E
#My Data
y = np.array([1.88,3.65,5.86,8.43,11.47,15.98])
x = np.array([1,2,3,4,5,6])
linreg = LinearRegression()
#Grafikgrösse einstellen
x = x.reshape(-1,1)
linreg.fit(x,y)
y_pred = linreg.predict(x)
plt.scatter(x,y)
plt.plot(x,y_pred, color="red")
plt.title("'Linearer Verlauf' durch t=0")
plt.xlabel("Anzahl Umdrehungen")
plt.ylabel("Periode(s)")
plt.legend(['t1'])
plt.show()
print("r^2 =",linreg.score(x,y))
print(linreg.coef_)
等式：y = a*x + b
你的 a 由 linreg.coef_ 项计算，它有一个值（因为只有一个项依赖于 x。+b 项由 linreg.intercept_，它给出 -1.7746.
这是我的代码和下面的输出。我正在用 sklearn-lib 尝试它， 有效。也许 x.reshape 是假的？
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sympy.stats import E
#My Data
y = np.array([1.88,3.65,5.86,8.43,11.47,15.98])
x = np.array([1,2,3,4,5,6])
linreg = LinearRegression()
#Grafikgrösse einstellen
x = x.reshape(-1,1)
linreg.fit(x,y)
y_pred = linreg.predict(x)
plt.scatter(x,y)
plt.plot(x,y_pred, color="red")
plt.title("'Linearer Verlauf' durch t=0")
plt.xlabel("Anzahl Umdrehungen")
plt.ylabel("Periode(s)")
plt.legend(['t1'])
plt.show()
print("r^2 =",linreg.score(x,y))
print(linreg.coef_)
等式：y = a*x + b
你的 a 由 linreg.coef_ 项计算，它有一个值（因为只有一个项依赖于 x。+b 项由 linreg.intercept_，它给出 -1.7746.