线性回归 R 平方为 1.0

Question

我正在对 Python 执行线性回归，以预测在科特迪瓦不同地点分布的 Stock。我有 2016 年到 2019 年 9 月的数据，看起来像 。这些列是。 我在站点代码上使用了标签编码。有 156 个不同的站点，每个站点都标记为 0-155。同样，我使用 Get_dummies 函数为 11 个不同的产品代码获取 11 个不同的列。 然后我使用线性回归来帮助预测输出，令我惊讶的是，R 平方值为 100%。 代码：

lm=sm.OLS(df_logistics_new_onehot_label['stock_distributed'],df_logistics_new_onehot_label[['intercept','year', 'month','site_code', 'stock_initial',
       'stock_received', 'stock_adjustment', 'stock_end',
       'average_monthly_consumption', 'stock_stockout_days', 'stock_ordered',
       'site_latitude', 'site_longitude',
       'product_code_AS21126', 'product_code_AS27000',
       'product_code_AS27132', 'product_code_AS27133', 'product_code_AS27134',
       'product_code_AS27137', 'product_code_AS27138', 'product_code_AS27139',
       'product_code_AS42018', 'product_code_AS46000',
       'site_type_Health Center',
       'site_type_University Hospital/National Institute']])

results=lm.fit()
results.summary()

回归的输出看起来像这样

我进一步将数据分为训练和测试

X=df_logistics_new_onehot_label[['intercept','year', 'month','site_code', 'stock_initial',
       'stock_received', 'stock_adjustment', 'stock_end',
       'average_monthly_consumption', 'stock_stockout_days', 'stock_ordered',
       'site_latitude', 'site_longitude',
       'product_code_AS21126', 'product_code_AS27000',
       'product_code_AS27132', 'product_code_AS27133', 'product_code_AS27134',
       'product_code_AS27137', 'product_code_AS27138', 'product_code_AS27139',
       'product_code_AS42018', 'product_code_AS46000',
       'site_type_Health Center',
       'site_type_University Hospital/National Institute']]
y=df_logistics_new_onehot_label['stock_distributed']

X_train, X_test, y_train, y_test = train_test_split(X, y ,test_size = 0.2, shuffle=False)

clf=LinearRegression()

clf.predict(X_test)

20% 数据的线性回归输出与“股票分布”变量完全匹配，您可以在此处看到 是模型过拟合还是我做错了什么？

Answer 1

您的目标变量与以下列完美相关：

• 'stock_initial'，
• 'stock_received'
• 'stock_adjustment'
• 'stock_end'

从逻辑上讲，这些是相关的。先尝试删除这些列，然后再次尝试线性回归。