如何在Python中自动基于系数与截距计算线性回归结果？

我已构建一个线性回归模型，各特征对应的系数如下：

regressor.coef_

array([[ 0.10152211,  0.09513825,  0.09252367, -0.31748762, -0.16836985,
    -0.06827792, -0.09545832, -0.11869289,  0.03285754, -0.28077261,
    -0.17607958, -0.53094975,  0.47035754, -0.27898882]])

我的特征列表如下：

features = [
  'N/A', 
'Female', 
'Male', 
'Third Gender', 
'Marketing',
'Finance',
'IT',
'HR',
'Audit',
'Promotion',
'Legal',
'Operations',
'CEO',
'Owner'
]

我不想手动编写如下公式：

Y = a*x1+b*x2+c*x3+......+Intercept

因为系数和截距变更时需要重新编写公式，请问在Python中有没有更优的实现方法？

有两种实用的实现方式，完全避免手动维护公式的麻烦：

1. 直接用模型内置的预测方法
   这是最简便的计算方式，无需手动构建公式，直接利用训练好的模型对象生成预测值：

# 假设X是符合训练格式的输入特征数据（二维数组）
y_pred = regressor.predict(X)

模型会自动用最新的系数和截距完成计算，无需任何手动修改。

2. 动态生成可读的公式文本
   如果需要展示公式而非计算，可通过遍历特征与系数自动拼接：

import numpy as np

# 处理截距的格式（适配不同回归库的返回结构）
intercept = regressor.intercept_[0] if isinstance(regressor.intercept_, (list, np.ndarray)) else regressor.intercept_

# 遍历特征与系数，拼接公式片段
formula_parts = []
for feat, coef in zip(features, regressor.coef_.flatten()):
    # 调整符号显示，让公式更直观
    if coef >= 0:
        formula_parts.append(f"+ {coef:.4f}*{feat}")
    else:
        formula_parts.append(f"- {abs(coef):.4f}*{feat}")

# 组合成完整公式，修正首个项的符号
full_formula = f"Y = {intercept:.4f} {' '.join(formula_parts)}"
print(full_formula)

只要模型对象regressor是最新的，运行这段代码就能自动生成对应公式，无需手动更新任何参数。

内容的提问来源于stack exchange，提问作者Sandy