Scikit-Learn LinearRegression用coef、intercept计算预测值与predict结果不符求解

1. 列表加法逻辑错误 #

你初始化的data = [0] * len(X_test)是普通Python列表，Python中列表的+=操作是元素追加，不是数值的逐元素相加。每次循环你都会把t的所有元素追加到data列表末尾，最终data的长度会远大于测试集样本数，完全不符合计算预期。

2. 特征遍历范围不全 #

波士顿房价数据集去掉目标列medv后，共有13个输入特征，索引范围是0~12。你的循环写的是for i in range(0,12)，只会遍历前12个特征（索引0~11），漏算了最后一个特征lstat的系数乘积项，直接导致计算结果缺失关键部分。

import numpy as np
coef = house_predictor.coef_.flatten() # 把二维系数数组摊平为一维，方便计算
intercept = house_predictor.intercept_
# 矩阵运算直接计算，不需要循环，效率更高
data_calc = np.dot(X_test.values, coef) + intercept

# 若要保留循环写法，参考如下实现
# data = pd.Series([0]*len(X_test))
# for i in range(13): # 遍历所有13个特征
#     data += X_test.iloc[:,i] * coef[i]
# data += intercept

修正后data_calc和house_predictor.predict(X_test)的结果完全一致，你可以通过np.allclose(data_calc, y_pred.flatten())验证，返回结果为True就说明计算正确。

内容的提问来源于stack exchange，提问作者Ginger_Chacha