Интерпретация a0📚

В линейной регрессии коэффициент $a_{0}$ (intercept, смещение) имеет интерпретацию значения предсказания при нулевых признаках.

Для модели:

\overset{y}{^} = a_{0} + a_{1} x_{1} + a_{2} x_{2} + \dots + a_{p} x_{p}

$a_{0}$ — предсказанное значение $\overset{y}{^}$ , когда все $x_{i} = 0$

Особенности интерпретации:

Смещение графика

Определяет вертикальное смещение линейной гиперплоскости
Не зависит от конкретных признаков, а лишь «сдвигает» линию/плоскость

Контекст данных важен

Если нулевые значения признаков не имеют смысла (например, рост = 0), интерпретация $a_{0}$ как физического значения теряет смысл
В таком случае $a_{0}$ просто обеспечивает корректное приближение линейной модели к данным

После стандартизации признаков

Если признаки центрированы $(X - mean)$ , $a_{0}$ становится средним значения целевой переменной

Пример в Python:

from sklearn.linear_model import LinearRegression
import numpy as np
 
X = np.array([[1], [2], [3]])
y = np.array([3, 5, 7])
 
model = LinearRegression()
model.fit(X, y)
 
print(model.intercept_)  # a0
print(model.coef_[0])    # a1

Здесь a0 = 1, a1 = 2
Формула: $\overset{y}{^} = 1 + 2 x$
При x=0 предсказание = 1

Коротко:
a0 — это смещение линейной модели, значение предсказания, когда все признаки равны нулю, либо среднее при центрированных признаках.