我有一些公司销售相同产品的特定数量和价格的数据，请参考以下内容：

Company A:(qty)     (price)100        1000200        1800300        2400Company B:(qty)     (price)110       1000200       1770300       2390Company C:(qty)     (price)1000       100001500       130003700       22000

我想创建一个模型，根据这些数据大致预测特定数量产品的价格。我使用的是sickitlearn，并且我尝试将所有数量收集在一个数组中，价格收集在另一个数组中。例如，所有三家公司的数量放在一个numpy数组中：

import numpy as nptrain_qty = np.array([[100,200,300,110,200,300,1000,1500,3700]])

对于价格：

train_prices = np.array([[1000,1800,300,110,200,300,1000,1500,3700]])

我尝试了以下方法：

from sklearn import linear_model reg = linear.model.LinearRegression()reg.fit(train_qty,train_prices)

然而，当我执行以下操作时：

print(reg.coef_)

我得到一个全是零的矩阵。您能解释我做错了什么以及正确的做法吗？

回答：

应该这样做

reg.fit(train_qty.T, train_prices.T)reg.coef_  # 0.85178458

sklearn的线性模型寻找系数A，以满足XA = Y。这里你的train_qty和train_prices都是1 x 9的矩阵，因此你得到的A是一个9 x 9的矩阵。你需要转置你的输入数据。