有没有一种方法可以强制Python进行截距为0的线性回归？

Question

我有一个数据集，其中包括两列变量age和flexibility。下面的图显示了人们年龄和他们的身体柔韧性之间的相关性：

我正在尝试制作一个立方模型，其中柔韧性取决于年龄的立方。因此，我已经完成了以下步骤：

from sklearn.linear_model import LinearRegression

df["Age_cubed"] = df["Age"].pow(3)
X = df[["Age_cubed"]]
Y = df["Flexibility"]

model = linear_model.LinearRegression()
model.fit(X, Y)
r_sq = model.score(X, Y)

model.coef_  # 10.02
model.score(X, Y) # 0.93

现在对应的图表如下： 该模型具有截距为0.034:

print(model.intercept_) # 0.034

有没有办法强制 Python 形成截距为 0 的上述线性回归模型？

- plpm

---

这是scikit-learn吗？ - ahiijny

@ahiijny 是的，from sklearn.linear_model import LinearRegression。 - plpm

Answer 1

是的，如果您将fit_intercept的值设为False，则有一种方法：

model = linear_model.LinearRegression(fit_intercept=False)

然后当你打印出截距:

print(model.intercept_)

输出结果为：

0.0

- Coder

Answer 2

除非这条线是垂直的，否则必须存在一个截距。

- Cadell

---

这是不正确的。截距是在0处的值。没有截距意味着该直线必须通过（0，0）。 - xdurch0

如果该直线经过（0,0），则截距将为0，这与没有截距是不同的。 - Cadell

一个线性模型是 wx + b。没有截距意味着我们只有 wx。这与 b = 0 相同。 - xdurch0

错误的，截距是0，而不是无。类似于Null != 0，"没有截距" != "截距为0"。 - Cadell

这只是一个无意义的技术细节。很明显问题是在询问如何强制截距为0。 - xdurch0

在口语中，人们倾向于混用“0”和“none”/“nothing”。这或许是稍有些粗糙的术语表达，但我认为这就是OP的意思。也许从另一个角度来看，具有0截距的线性模型将在线性模型方程中没有“截距项”。另外无关的一点，我想起了一个笑话：“听说过一个数学家害怕负数吗？他们会不惜一切地避免碰到它们！” :-) - ahiijny