在不使用拟合的情况下在 sklearn 中手动构建线性回归？
manually build a linear regression in sklearn without using fit?
是否可以通过传入截距和系数而不是使用 .fit 在 sklearn 中构建线性回归？
正如 Mustafa Aydin 在其评论中所建议的，您可以简单地将系数和截距分配给 scikit-learn LinearRegression。
以下代码片段正在对函数 y = 10 + x*5 建模。
from sklearn.linear_model import LinearRegression
import numpy as np
l = LinearRegression()
l.coef_ = np.array([5])
l.intercept_ = np.array([10])
l.predict([[3]])
注意事项：如果您没有使用 scikit-learn 来拟合线性回归，您可以简单地使用 numpy，它可能会更高效。
是否可以通过传入截距和系数而不是使用 .fit 在 sklearn 中构建线性回归？
正如 Mustafa Aydin 在其评论中所建议的，您可以简单地将系数和截距分配给 scikit-learn LinearRegression。
以下代码片段正在对函数 y = 10 + x*5 建模。
from sklearn.linear_model import LinearRegression
import numpy as np
l = LinearRegression()
l.coef_ = np.array([5])
l.intercept_ = np.array([10])
l.predict([[3]])
注意事项：如果您没有使用 scikit-learn 来拟合线性回归，您可以简单地使用 numpy，它可能会更高效。