如何像 R 一样在 scikitlearn 中获得回归摘要

作为一名R用户，我还想了解scikit的最新情况.

创建一个线性回归模型是可以的，但似乎找不到一个合理的方法来得到standard summary of regression output.

代码示例:

# Linear Regression
import numpy as np
from sklearn import datasets
from sklearn.linear_model import LinearRegression

# Load the diabetes datasets
dataset = datasets.load_diabetes()

# Fit a linear regression model to the data
model = LinearRegression()
model.fit(dataset.data, dataset.target)
print(model)

# Make predictions
expected = dataset.target
predicted = model.predict(dataset.data)

# Summarize the fit of the model
mse = np.mean((predicted-expected)**2)
print model.intercept_, model.coef_, mse, 
print(model.score(dataset.data, dataset.target))

问题:

• 似乎intercept和coef都内置在模型中，我只需输入print(倒数第二行)就可以看到它们.
• 如果我正确地阅读了这些例子，你需要为每一个写一个函数/方程，然后打印出来.
• 那么，对于lin.reg，是否没有标准的摘要输出.模型？
• 另外，在我打印的系数输出数组中，有没有一种方法可以打印这些系数，在这里我可以得到系数的输出和它们所伴随的变量？

我的打印输出:

LinearRegression(copy_X=True, fit_intercept=True, normalize=False)
152.133484163 [ -10.01219782 -239.81908937  519.83978679  324.39042769 -792.18416163
  476.74583782  101.04457032  177.06417623  751.27932109   67.62538639] 2859.69039877
0.517749425413

注:从线性、脊和套索开始.我已经看过这些例子了.以下是基本的OLS.