sklearn.linear_model.TheilSenRegressor

class sklearn.linear_model.TheilSenRegressor(*, fit_intercept=True, copy_X=True, max_subpopulation=10000.0, n_subsamples=None, max_iter=300, tol=0.001, random_state=None, n_jobs=None, verbose=False)

[源码]

Theil-Sen估计器：稳健的多元回归模型。

该算法计算X中样本大小为n_subsample的子集的最小二乘解。在特征数和样本数之间的任意n_subsamples值都可以得到一种鲁棒性和效率之间折衷的估计器。因为最小二乘解的个数是“n_samples select n_subsamples”，所以它可以非常大，因此可以使用max_subpopulation进行限制。如果达到此限制，则随机选择子集。在最后一步中，将计算所有最小二乘解的空间中位数（或L1中位数）。

在用户指南中阅读更多内容。

参数 说明
fit_intercept boolean, optional, default True
是否计算此模型的截距。如果设置为false，则在计算中将不使用截距。
copy_X boolean, optional, default True
如果为True，将复制X；否则X可能会被覆盖。
max_subpopulation int, optional, default 1e4
利用‘n choose k’的集合进行计算，这里n是样本的数量，k是子样本的数量(至少是特征的数量)，如果‘n choose k’大于max_subpopulation，只考虑给定最大规模的随机子总体。对于较小的问题，如果不更改n_subsamples，则此参数将确定内存使用情况和运行时间。
n_subsamples int, optional, default None
计算参数的样本数。至少是特征数量（如果fit_intercept = True，则为加1），并且样本的数量为最大值。数值越小，故障点越多，效率越低；数值越大，故障点越少，效率越高。如果为“无”，则采用最小数量的子样本，以实现最大的鲁棒性。如果将n_subsamples设置为n_samples，则Theil-Sen与最小二乘法相同。
max_iter int, optional, default 300
计算空间中位数的最大迭代次数。
tol float, optional, default 1.e-3
计算空间中位数时的容忍度。
random_state int, RandomState instance, default=None
随机数生成器实例，用于定义随机排列生成器的状态。通过传递一个整数实现多个函数调用传递可重复输出。见词汇表。
n_jobs int or None, optional (default=None)
交叉验证期间要使用的CPU数量。 除非上下文中设置了joblib.parallel_backend参数，否则None表示1 。 -1表示使用所有处理器。有关更多详细信息，请参见词汇表。
verbose boolean, optional, default False
拟合模型时的详细模式。
属性 说明
coef_ array, shape = (n_features)
回归模型的系数（分布的中位数）。
intercept_ float
回归模型的估计截距。
breakdown_ float
近似故障点。
n_iter_ int
空间中位数所需的迭代次数。
n_subpopulation_ int
“ n choose k”中考虑的组合数，其中n是样本数，k是子样本数。

参考

Theil-Sen Estimators in a Multiple Linear Regression Model, 2009 Xin Dang, Hanxiang Peng, Xueqin Wang and Heping Zhang http://home.olemiss.edu/~xdang/papers/MTSE.pdf

示例

>>> from sklearn.linear_model import TheilSenRegressor
>>> from sklearn.datasets import make_regression
>>> X, y = make_regression(
...     n_samples=200, n_features=2, noise=4.0, random_state=0)
>>> reg = TheilSenRegressor(random_state=0).fit(X, y)
>>> reg.score(X, y)
0.9884...
>>> reg.predict(X[:1,])
array([-31.5871...])

方法

方法 说明
fit(X, y) 拟合线性模型。
get_params([deep]) 获取此估计器的参数。
predict(X) 使用线性模型进行预测。
score(X, y[, sample_weight]) 返回预测的确定系数R ^ 2。
set_params(**params) 设置此估算器的参数。 
__init__（*，fit_intercept = True，copy_X = True，max_subpopulation = 10000.0，n_subsamples = None，max_iter = 300，tol = 0.001，random_state = None，n_jobs = None，verbose = False ）

[源码]

初始化self， 请参阅help(type(self))以获得准确的说明。

fit（X，y ）

[源码]

拟合线性模型。

参数 说明
X numpy array of shape [n_samples, n_features]
训练数据。
y numpy array of shape [n_samples]
目标值。
返回值 说明
self returns an instance of self. 
get_params(deep=True)

[源码]

获取此估计器的参数。

参数 说明
deep bool, default=True
如果为True，则将返回此估算器和所包含子对象的参数。
返回值 说明
params mapping of string to any
参数名称映射到其值。		 
predict(X)

[源码]

使用线性模型进行预测。

参数 说明
X array_like or sparse matrix, shape (n_samples, n_features)
样本数据
返回值 说明
C array, shape (n_samples,)
返回预测值。		 
score(X, y, sample_weight=None)

[源码]

返回预测的确定系数R ^ 2。

系数R ^ 2定义为（1- u / v），其中u是残差平方和（（y_true-y_pred）** 2）.sum（），而v是总平方和（（y_true- y_true.mean（））** 2）.sum（）。可能的最高得分为1.0，并且也可能为负（因为该模型可能会更差）。一个常数模型总是预测y的期望值，而不考虑输入特征，得到的R^2得分为0.0。

参数 说明
X array-like of shape (n_samples, n_features)
测试样本。对于某些估计器，这可以是预先计算的内核矩阵或通用对象列表，形状为（n_samples，n_samples_fitted），其中n_samples_fitted是用于拟合估计器的样本数。
y array-like of shape (n_samples,) or (n_samples, n_outputs)
X对应的真实值。
sample_weight array-like of shape (n_samples,), default=None
样本权重。
返回值 说明
score float
预测值与真实值的R^2。

注

调用回归器中的score时使用的R2分数，multioutput='uniform_average'从0.23版开始使用 ，与r2_score默认值保持一致。这会影响多输出回归的score方法（ MultiOutputRegressor除外）。

set_params(**params)

[源码]

设置此估计器的参数。

该方法适用于简单的估计器以及嵌套对象（例如管道）。后者具有形式为 <component>__<parameter>的参数，这样就可以更新嵌套对象的每个组件。

参数 说明
**params dict
估计器参数。
返回值 说明
self object
估计器实例。

sklearn.linear_model.TheilSenRegressor使用示例