【发布时间】：2016-11-05 20:47:04
【问题描述】：
我有一个预测房价的现有模型，它使用简单的线性回归。作为输入，我有日期，输出是价格。
我想改善整体结果，因此我又添加了一项功能。新特征是与估计属性的距离。
问题是多/多变量回归的性能比简单回归差一些。 （所有数据均已归一化）
您有什么想法为什么会发生这种情况，我该如何处理？
【问题讨论】：
标签： machine-learning linear-regression multiple-regression
【发布时间】：2016-11-05 20:47:04
【问题描述】：
可能的原因有几十种，仅列举几条：
- 如果您的新功能与您尝试预测的内容几乎没有关联 - 您正在有效地向系统注入噪音，因此无法期待更好的性能
- 如果您的数据点很少，则更多功能可能会导致更难的问题
- 由于您使用的是线性模型，即使新特征是非常好的预测器，但它与因变量的关系非线性 - 模型也会失败
- 线性回归本身是非常幼稚的模型，即使是岭/套索回归也可能完全改变结果（尤其是套索，因为它可以更好地处理不良特征）
【讨论】：