Sklearn 线性回归给我不准确的准确读数？

Question

我有一个包含 3 个简单列的 excel 文件：单价、已售数量和总计。总计只需将单价乘以数量即可获得。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 
import pandas as pd
from sklearn import *

data = pd.read_excel("Sample.xls")[["Units", "Unit Cost", "Total"]]

predict = "Total"

X = np.array(data.drop([predict], 1))
y = np.array(data[predict])

x_train, x_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.1)
linear = linear_model.LinearRegression()
linear.fit(x_train, y_train)

acc = linear.score(x_test, y_test)

print(acc)

我运行了打印功能 3 次，结果如下：

-1.517292267629657
0.9167778505657976
0.15292336331892453

为什么我得到这个而不是 100% 的准确度？模型应该认识到预测只是第一列与第二列的乘积

Answer 1

线性回归不起作用。使用Matplotlib绘制图形，看看是否可以为培训数据获得直线。如果您的输入是x1和x2，则输出为x1 * x2，而不是形式Ax1 + Bx2。模型是正确预测的，错误是模型应用程序本身。