Я выполняю простую модель авторегрессии, используя sklearn.linear_model и модуль LinearRegression.Вы можете увидеть мой код ниже.Набор обучающих данных находится в train, а X содержит лаговую версию цели.Данные с наименьшей задержкой, то есть данные с задержкой 1, находятся в первом столбце X, а последний столбец содержит данные с наибольшей задержкой.
import numpy as np
import sklearn.linear_model as skml
tot_param = 10
X = np.zeros((len(train),tot_param))
for i in range(1,tot_param):
aux = np.roll(train,-i)
aux[-i:] = 0
X[:,-i] = aux
lregr = skml.LinearRegression()
model = lregr.fit(X,train)
Поэтому я ожидал бы, что коэффициенты в model.coef_ будет упорядочено на основе столбцов X, то есть первый элемент будет содержать коэффициент, относящийся к данным с наименьшей задержкой.Если я выполню код с tot_params=1, я получу только один коэффициент со значением 0.97190325.Однако, если я выберу tot_params=2, я получу model.coef_=[-0.00433893, 0.97612027];ясно, что второе значение (0.97612027) относится к наименее задержанным данным.Но почему это так?Я ожидал бы вывод как model.coef_=[0.97612027, -0.00433893], с коэффициентом наименее отставших данных впереди.
То же самое происходит и для других значений tot_params.Например, для tot_params=6 я получаю [ 3.71898345e-02, 5.46416689e-02, -8.65343583e-02, -1.88565771e-03, -6.13451823e-04, 9.72547863e-01], что еще раз ясно указывает на то, что данные с наименьшей задержкой помещаются в конец, а не в начало возвращаемого списка.