线性回归模型后，如何将系数与相应的特征配对？

Question

我建立了我的第一个线性回归模型 (ElasticNet)，预测房屋售价。

我想找出与 SalePrice 具有强相关性（负相关和正相关）的特征

在截图中，我列出了所有的系数和特征名称。 我可以使用什么代码来配对这两个值，以便我可以看到每个特征的系数值？

我对编码和数据分析还很陌生。提前致谢！

我的模型：

grid_model = GridSearchCV(estimator = base_elastic_model,
                     param_grid = param_grid,
                     scoring = 'neg_mean_squared_error',
                     cv=5,
                     verbose=1)
grid_model.fit(scaled_X_train,y_train)

我得到了系数列表：

grid_model.fit(scaled_X_train,y_train)

我得到了与 SalePrice 的系数不为 0 的特征列表

df.columns[coef[coef == 0].index]

如何打印列出的系数和特征名称相互匹配的数据框？

Answer 1

试试这个：

pd.DataFrame(X_train.columns, grid_model.best_estimator_.coef_)

它会给出这样的输出：

-0.003801   feature0
-0.033107   feature1
0.053203    feature2
-0.645900   feature3
-7.474264   feature4
-0.571417   feature5
0.007333    feature6
0.184133    feature7
0.091905    feature8
0.002021    feature9

线性回归模型后，如何将系数与相应的特征配对？

After LinearRegression Model, How to Pair the Coefficients with the corresponding Features?

pandas

machine-learning

data-analysis