scikit从coef学习预测_

Question

我正在尝试从拟合模型生成预测（使用scikit learn，一个使用MultiTaskLasso的简单线性回归）。我假设coef_u存储了特性的权重。假设有5个标签和200个特征，二维应该是5*200。我做的是： （在python中）预测=美国运输部（X检验，系数T）+截距。但似乎出了什么问题。当我切换到使用scikit learn的函数预测（X_test）时，结果是正确的。谁能告诉我我做错了什么吗？在

区别只是这一步，当我使用predict时，它是正确的；当我使用我的代码时，它是错误的。在

Answer 1

如果predict起作用，那么{a1}起作用：

def decision_function(self, X):
    """Decision function of the linear model.

    Parameters
         
    X : {array-like, sparse matrix}, shape = (n_samples, n_features)
        Samples.

    Returns
       -
    C : array, shape = (n_samples,)
        Returns predicted values.
    """
    X = check_array(X, accept_sparse=['csr', 'csc', 'coo'])
    return safe_sparse_dot(X, self.coef_.T,
                           dense_output=True) + self.intercept_

它与您所建议的相同，但处理稀疏矩阵非常优雅。如果没有一个矩阵是稀疏的，那么应该再次检查X_test。在