Я работаю с sklearn и, в частности, с модулем linear_model. После подгонки простой линейной, как в
import pandas as pd
import numpy as np
from sklearn import linear_model
randn = np.random.randn
X = pd.DataFrame(randn(10,3), columns=['X1','X2','X3'])
y = pd.DataFrame(randn(10,1), columns=['Y'])
model = linear_model.LinearRegression()
model.fit(X=X, y=y)
Я вижу, как я могу получить доступ к коэффициентам и перехватить через coef_ и intercept_, предсказание также является простым. Я хотел бы получить доступ к матрице дисперсии-ковариации для параметров этой простой модели и стандартной ошибке этих параметров. Я знаком с R и функцией vcov(), и кажется, что scipy.optimize имеет некоторые функциональные возможности для этого (получение стандартных ошибок по установленным параметрам с использованием метода optimize.leastsq в python) - имеет ли sklearn какие-либо функции для доступа к этим статистическим данным??
Цените любую помощь по этому поводу.
-Ryan