我想使用scikit_learn库的KernelRidge类来拟合我的数据的非线性回归模型。但我很困惑我该如何做到这一点。获取KernelRidge类的拟合模型的参数scikit学习库
from sklearn.kernel_ridge import KernelRidge
import numpy as np
n_samples, n_features = 20,1
rng = np.random.RandomState(0)
y = rng.randn(n_samples)
X = rng.randn(n_samples, n_features)
Krr = KernelRidge(alpha=1.0, kernel='linear',degree = 4)
Krr.fit(X, y)
我期待为这个模型设置5个系数,我怎么能得到它们?
上述代码将一维数据转换为四维空间并将模型拟合到数据。我认为根据训练数据应该找到最好的c0,c1,c2,c3,c4。我的问题是我如何访问c0,c1,c2,c3,c4?
编辑:
我在这里我上面的代码犯了一个错误,内核参数应该本着7
Krr = KernelRidge(alpha=1.0, kernel='polynomial',degree = 4)
“多项式”,而不是“线性”但我的问题是,像以前一样。
也许应该记录_get_params() – Moritz
否此函数将返回我为KernelRidge类设置的所有参数,一旦我定义它。 – sandra