python-3.x - 如何获得每个组/模型的系数/截距，以便为每个组绘制拟合线？

Question

我编写了一个自定义类来对数据集的元素进行分组，拟合每个组，然后根据拟合模型为每个组运行预测。我希望能够返回每个拟合的系数(大概在字典中)，以便我可以引用它们并为每个拟合绘制最佳拟合线。

调用标准.coef_或 .get_params方法不起作用，因为这些方法尝试检索的项目是 groupby 对象。或者，我尝试介绍以下内容:

def get_coefs():
    coefs_dict = {}
    for name, values in dataframe.groupby(self.groupby_column):
        coefs_dict[name] = self.drugs_dict[name].coefs_ 
    return coefs_dict

但得到以下内容:

<bound method GroupbyEstimator.get_coefs of GroupbyEstimator(groupby_column='ndc',
                 pipeline_factory=<function pipeline_factory at 0x0000018DAD207268>)>

这是我写的类:

from sklearn import base
import numpy as np 
import pandas as pd

class GroupbyEstimator(base.BaseEstimator, base.RegressorMixin):

    def __init__(self, groupby_column, pipeline_factory):
        self.groupby_column = groupby_column
        self.pipeline_factory = pipeline_factory


    def fit(self, dataframe, label):
        self.drugs_dict = {}
        self.label = label

        dataframe = pd.get_dummies(dataframe)

        for name, values in dataframe.groupby(self.groupby_column):
            y = values[label]
            X = values.drop(columns = [label, self.groupby_column], axis = 1)
            self.drugs_dict[name] = self.pipeline_factory().fit(X, y)
        return self  

    def get_coefs():
        self.coefs_dict = {}        
        self.coefs_dict[name] = self.drugs_dict[name].named_steps["lin_reg"].coef_
        return self.coefs_dict


    def predict(self, test_data):
        price_pred_list = []

        for idx, row in test_data.iterrows():
            name = row[self.groupby_column]
            regression_coefs = self.drugs_dict[name]
            row = pd.DataFrame(row).T
            X = row.drop(columns = [self.label, self.groupby_column], axis = 1).values.reshape(1, -1)  

            drug_price_pred = regression_coefs.predict(X)     
            price_pred_list.append([name, drug_price_pred])
        return price_pred_list

预期结果是以下格式的字典:

{drug_a: [coefficient_1, coefficient_2,...coefficient_n],
 drug_b: [coefficient_1, coefficient_2,...coefficient_n],
 drug_c: [coefficient_1, coefficient_2,...coefficient_n]}

管道厂是这样的。稍后我将使用替代回归器、pca、gridsearchcv 等构建它(只要我可以从 groupby 对象中获取各个回归的参数。

def pipeline_factory():
    from sklearn.pipeline import Pipeline
    from sklearn.linear_model import LinearRegression

    return Pipeline([
                     ('lin_reg', LinearRegression())
                    ])

编辑:按照建议添加了 get_coefs 方法。不幸的是，如上所示，它仍然返回相同的错误。

Answer 1

问题出在 self.drugs_dict这是Pipeline的字典对象，所以你不能使用 coef_直接在他们身上。 coef_是与 estimator 对象关联的属性，在您的情况下是 LinearRegression目的。所以访问系数的正确方法是 self.drugs_dict[name].named_steps["lin_reg"].coef_而不是 self.drugs_dict[name].coefs_在您的 get_coefs()方法。

希望这可以帮助!