sklearn.linear_model.PoissonRegressor

class sklearn.linear_model.PoissonRegressor(*, alpha=1.0, fit_intercept=True, max_iter=100, tol=0.0001, warm_start=False, verbose=0)

[源码]

具有泊松分布的广义线性模型。

用户指南中阅读更多内容。

参数 说明
alpha float, default=1
该常数乘以惩罚项,从而确定正则化强度。alpha = 0等同于未惩罚的GLM。在这种情况下,设计矩阵X必须具有全列秩(无共线性)。
fit_intercept bool, default=True
指定是否将常数(即,偏置或截距)添加到线性预测模型(X @ coef +截距)。
max_iter int, default=100
求解器的最大迭代次数。
tol float, default=1e-4
停止标准。对于lbfgs求解器,当max{g_j,j = 1, ..., d} <= tol,其中g_j为目标函数的梯度(导数)的第j个分量,迭代将停止。
warm_start bool, default=False
如果设置为True,重用前面调用的解决方案进行fit,作为coef_intercept_的初始化。
verbose int, default=0
对于lbfgs求解器,请将verbose设置为代表详细程度的任何正数。
属性 说明
coef_ array of shape (n_features,)
GLM中线性预测模型(X @ coef_ + intercept_)的估计系数。
intercept_ float
已添加到线性预测模型中的截距(又称偏置)。
n_iter_ int
求解器中使用的实际迭代数。
方法 说明
fit(X, y[, sample_weight]) 拟合广义线性模型。
get_params([deep]) 获取此估计器的参数。
predict(X) 使用GLM与特征矩阵X进行预测。
score(X, y[, sample_weight]) 计算D ^ 2,说明偏差百分比。
set_params(**params) 设置此估计器的参数。
__init__(*, alpha=1.0, fit_intercept=True, max_iter=100, tol=0.0001, warm_start=False, verbose=0)

[源码]

初始化self, 请参阅help(type(self))以获得准确的说明。

fit(X, y, sample_weight=None)

[源码]

拟合广义线性模型。

参数 说明
X {array-like, sparse matrix} of shape (n_samples, n_features)
训练数据。
y array-like of shape (n_samples,)
目标值。
sample_weight array-like of shape (n_samples,), default=None
样本权重
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GLM与特征矩阵X进行预测。

参数 说明
X {array-like, sparse matrix} of shape (n_samples, n_features)
样本数据
返回值 说明
y_pred array of shape (n_samples,)
返回预测值。
score(X, y, sample_weight=None)

[源码]

计算D ^ 2,说明偏差百分比。

D ^ 2是确定系数R ^ 2的推广。R ^ 2使用平方误差,D ^ 2使用偏差。请注意,对于family='normal',这两个是相等的。

D ^ 2定义为 是零偏差,即仅具有截距的模型的偏差,对应于 。均值由sample_weight取平均值。最佳可能得分为1.0,并且可能为负(因为该模型可能会更差)。

参数 说明
X {array-like, sparse matrix} of shape (n_samples, n_features)
测试样本。
y array-like of shape (n_samples,)
目标的真实值。
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D^2。
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。