Sklearn线性回归给我不准确的读数？
Sklearn线性回归是一个常用的机器学习算法，用于建立线性回归模型并进行预测。然而，如果Sklearn线性回归给出不准确的读数，可能有以下几个原因：
- 数据质量问题：线性回归模型对数据的质量要求较高，如果输入的数据存在异常值、缺失值或者噪声较多，可能会导致模型预测结果不准确。解决方法是对数据进行清洗和预处理，包括异常值处理、缺失值填充和噪声过滤等。
- 特征选择问题：线性回归模型对特征的选择和组合非常敏感，如果选择的特征不具有代表性或者特征之间存在多重共线性，可能会导致模型预测结果不准确。解决方法是通过特征工程技术进行特征选择和组合，包括相关性分析、主成分分析等。
- 模型参数问题：线性回归模型的参数需要通过训练数据进行估计，如果训练数据量较小或者模型参数初始化不合理，可能会导致模型预测结果不准确。解决方法是增加训练数据量、调整模型参数初始化策略或者使用正则化技术进行模型优化。
- 模型假设问题：线性回归模型基于一系列假设，包括线性关系、独立同分布等，如果数据不符合这些假设，可能会导致模型预测结果不准确。解决方法是根据实际情况调整模型假设或者使用其他适合的机器学习算法。
对于Sklearn线性回归给出不准确的读数，可以尝试以上方法进行排查和解决。另外，腾讯云提供了一系列与机器学习和数据分析相关的产品和服务，例如腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）、腾讯云数据仓库（https://cloud.tencent.com/product/dw）、腾讯云人工智能开放平台（https://cloud.tencent.com/product/aiopen）等，可以帮助用户进行数据处理、模型训练和预测等任务。
相关·内容
1回答
我有一个包含3个简单列的excel文件:单价、售出数量和合计。总数只需将单价乘以数量即可得到。所以我设置了一个简单的sklearn线性回归算法代码来预测这个值： import numpy as np from sklearn import *
0.9167778505657976
0.15292336331892453 为什么我会得到这个，而不是1
浏览 21提问于2019-09-21得票数 0
2回答
这是一个关于ngram的线性回归问题，使用Tf-IDF (术语频率-逆文档频率)。为此，我使用numpy稀疏矩阵和sklearn进行线性回归。这些预测是基于使用LeaveOneOut的交叉验证。
当我创建一个只有一元语法分数的tf-idf稀疏矩阵时，我得到的预测比创建unigram+bigram分数的tf-idf稀疏矩阵时略好一些。我在矩阵中添加的列越多(三元组、四元组、五元组等的
浏览 0提问于2012-09-03得票数 4
回答已采纳
2回答
我有一个连续评分从-100到+100的文本。我试图把它们分为积极的或消极的。
如何执行二项式日志回归以获得测试数据为-100或+100的概率？我得到的最接近的是SGDClassifier(惩罚=‘l2’，alpha=1e-05，n_iter=10)，但是当我使用二项式日志回归来预测-100和+100的概率时，这并没有提供与相同的结果。所以我猜这不是正确的功能？
浏览 5提问于2014-08-15得票数 3
回答已采纳
我尝试使用LinearRegression来分析多变量(例如随机森林、sklearn等)。使用Python的数据帧。
然而，它显示了一个巨大的RMSE，所以我尝试对我的数据应用非线性回归。我想运行一个非线性回归来预测商品的价值，使用大量的数据(例如，质量，生产年份，工厂数量，整体状况和许多类别……)。我试着在谷歌和Stackoverflow上寻找，但我只能找到使用curve_fit，polyfit的
浏览 1提问于2020-02-01得票数 0
我有一个概念性的问题，为什么(除了处理能力/存储)，您是否会只使用常规的线性回归而不添加多项式特性？似乎添加多项式特征(不过度拟合)总是会产生更好的结果。我知道线性回归不只是一条线，但那是只有当你决定增加多项式特征，对吗？我的经验是使用sklearn库的python。
浏览 0提问于2020-06-24得票数 1
回答已采纳
1回答
在使用和其他库(sklearn)实现线性回归的过程中，我们通常会部署以下声明.......regr = linear_model.LinearRegression我知道LinearRegresssion是库 sklearn中的一个类，那么linear_model到底意味着什么？类和库通常是如何链接/关联的？你能不能给我一点启示或分享相关的</
浏览 3提问于2017-03-07得票数 1
回答已采纳
对于随机数据的平方矩阵，N列和N行。我正在拟合两个模型，线性回归和拉索。import numpy as np
X = pd.DataFrame(np.random.randlinear_model.Lasso().fit(X,y)
print('Li
浏览 0提问于2019-12-28得票数 4
对于线性回归问题，我测试了sklearn One Hot，先丢弃和不丢弃。它表明当没有列被删除时，r_2得分更好。from sklearn.preprocessing import OneHotEncoder首先丢弃r2_score = 0.67不先丢弃(即保留默认值) r2_score = .78
浏览 23提问于2021-06-02得票数 1
1回答
我想看看多重共线性对线性回归模型有什么影响，但我需要能够生成多个共线数据，在这里我可以改变特征的数量和这些特征之间的共线性。我看过Sklearn的函数，它允许生成多个特性，但据我所知，这些特性都是不相关的，对吗？如果是这样的话，有没有人知道我如何能够改变这些特征之间的相关性，或者使用不同的方法来生成一个线性多共线数据集来训练Sklearn的<em
浏览 12提问于2021-12-20得票数 1
回答已采纳
问题陈述:我正在处理一个线性方程组，它对应于一个不适定的逆问题。我可以在Python中手工应用Tikhonov正则化或岭回归，并获得对我的问题足够精确的测试数据的解决方案。我想尝试使用sklearn.linear_model.Ridge来解决这个问题，因为我想在这个包的线性模型部分()中尝试其他机器学习方法。我想知道在这种情况下使用sklearn是否使用了错误的工具。与我自己在Python中应用岭<
浏览 2提问于2021-03-28得票数 1
回答已采纳
我对核回归的理解是，当使用线性核进行无惩罚的岭回归时，结果应该类似于线性回归。在玩具的例子中，线性回归有更好的Rsq。问题的一部分，我认为SK是使用样本空间的核心矩阵，而不是较小的样本和特征空间，在这种情况下，特征空间要小得多。我如何“解决”这个问题，或者我可能做错了什么-一个新手的内核回归。线性</e
浏览 4提问于2022-09-16得票数 0
1回答
我有一个包含产品的dataframe，在这个dataframe中我有一些特性，比如：cat1、cat2、cat3、city、desc、image_count、mileage、price、title、year我有10亿的训练数据和重要的预测功能是标题和描述，这是文本类型。我想知道哪种算法最适合我的预测？我是机器学习的初学者，对不同的算法感到困惑。谢谢
浏览 1提问于2019-02-17得票数 0
1回答
y_train是唯一的培训输出。每个输入或输出有422个元素。有趣的是，当我使用一个向量来训练我的回归模型时，它会得到一个与输入向量相同大小的预测向量。这是这个例子的代码，我得到了向量输入的向量输出，因为回归<
浏览 2提问于2017-03-12得票数 1
回答已采纳
scikit-learn是否提供了使用高斯核或多项式核执行回归的工具？我查看了API，但我没有看到任何API。有没有人在scikit-learn上构建了一个包来做到这一点？
浏览 0提问于2013-12-09得票数 9
回答已采纳
1回答
给定一个具有100个观测值和3个特征的数据集，再加上一个标签(回归)。我们用100 *4(3个特征+1个标签)数据对模型进行训练。现在，我们可以预测当标签作为输入时的特征。现在的问题是在给出标签时预测f1、f2和f3 (如果label=6.7随后预测f1、f2、f3)。
如果提供任何建议或资源，这将有很大帮助。
浏览 0提问于2022-08-24得票数 0
1回答
我想使用sklearn库在我的训练数据上运行线性回归和K折交叉验证，以获得最佳回归模型。然后，我计划使用在我的测试集上返回的平均误差最低的预测值。例如，下面这段代码给了我一个由20个结果组成的数组，这些结果具有不同的负均值绝对误差，我感兴趣的是找到给我这个(最小)误差的预测器，然后在我的测试集上使用那个预测器。sklearn.m
浏览 15提问于2020-10-10得票数 0
回答已采纳
现在，我需要用L2范数(y=xw，y.shape=5,1，x.shape=5,100K+)求解一个非常大的线性回归。我尝试过sklearn.linear_model.Ridge，但是它太慢(花费超过30分钟)，那么，SKlearn是否有另一个函数来有效地解决一个大的线性回归问题？
浏览 2提问于2020-12-16得票数 1
回答已采纳
2回答
我在多元线性回归中得到了100%的准确率。我正在学习去年的一个教程。他在相同的模型上不能达到100%的准确率，但我现在得到了。在我看来很奇怪。这是我的代码。我做的是对的，还是我的代码有问题？pd.read_csv('M_Regression.csv')Y = dataset.iloc[:, :1]
浏览 94提问于2020-10-19得票数 2
1回答
如何预测未来日期的数据类别？示例:未来某一特定日期的区域(或按地区划分)的销售数字将以特定产品和产品类别的销售人员过去的数据为基础？对于这类问题，哪一种模式最适合？
浏览 0提问于2019-01-19得票数 -1
1回答
下面是我拟合的线性回归模型，不确定我做的是否正确，因为我得到了99%的精确性。拟合训练集from sklearn.linear_model import LinearRegression预测测试集结
浏览 0提问于2020-04-21得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
