多元线性回归 100% 准确度

Question

我在多元线性回归中获得了 100% 的准确率。我正在关注去年的一个教程。他在同一个模型上没有得到 100% 的准确率，但我现在得到了。对我来说似乎很奇怪。这是我的代码。我做得对还是我的代码有问题？

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd


dataset = pd.read_csv('M_Regression.csv')
X = dataset.iloc[:, :-1].values
Y = dataset.iloc[:, :1].values

from sklearn.model_selection import train_test_split
X_train, x_test, Y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=0)

#regression
from sklearn.linear_model import LinearRegression
reg = LinearRegression()
reg.fit(X_train,Y_train)

#Prediction
y_pred = reg.predict(x_test)

print(str(y_test) + " - " + str(y_pred))

Answer 1

线性回归具有简单的数字，通常在大型数据集上具有 100% 的准确度。尝试使用其他数据集一次。我试过你的代码，我得到了 1.0 的准确度。

Answer 2

要检查模型的准确性，您可以尝试打印测试样本的 r2 分数。中的一些东西：

from sklearn.metrics import r2_score
print(r2_score(y_test,y_pred))

如果您仍然对分数有疑问。您可以尝试删除“random_state=0”，以检查您是否仍然具有多个训练/测试数据集的 100% 准确度。