线性回归完全关闭

Posted 2023-03-12

【中文标题】线性回归完全关闭

【英文标题】：Linear Regression completely off

【发布时间】：2016-11-27 07:14:17

【问题描述】：

我目前正在尝试学习 scikit-learn，为此，我对房屋价格相对于平方米大小进行了简单的线性回归。 我已经为一个位置完成了这个模型，一切正常，当我尝试使用另一个数据集时，数据分散得很好，但回归/预测完全关闭！信心也很糟糕，通常是消极的。

这是截图：

代码如下：

style.use('ggplot')

dataset = pd.read_csv('/Path/Data.csv')

X = np.array(dataset[['size']])
y = np.array(dataset[['value']])

X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, test_size=0.2)

clf = LinearRegression()
clf.fit(X_train, y_train)

plt.scatter(X,y)
plt.plot(X, clf.predict(X))

plt.tight_layout()
plt.show()

confidence = clf.score(X_test, y_test)
print confidence

【问题讨论】：

只有当数据遵循线性关系时，线性回归才能很好地发挥作用。

由于右端有两个异常值，因此无法在大多数点之间放置一条线，而不会对异常值产生难以置信的错误。请注意，线性回归假设正态分布残差 - 因此您计算平方距离。平方对异常值非常敏感。除了 @hashcode55 已经暗示的那样，趋势看起来至少是多项式的，因此可能还需要添加二次项。

它确实跟着一个，尤其是当 0

@cel 我的其他线性也有异常值：i.imgur.com/C1TOdzO.png.. 但无论如何，我怎样才能让它对那些更宽容？

@Codemon，只需画出您认为正确的线并测量与异常值的距离。我猜它会越过 (1000, 6000000)，所以对于 5000，它将在 3000 万左右，这离你的情节的上端非常非常远。这会产生 (2900 万)^2 的错误，这将主导一切。

【参考方案1】：

平方误差对异常值过于敏感。我最终删除了它们，因为它们完全关闭了