如何测试线性回归是否适合预测 [关闭]答案

【问题标题】：How to test linear regression is suitable for prediction [closed]如何测试线性回归是否适合预测 [关闭]
【发布时间】：2022-01-21 04:58:17
【问题描述】：

我是 python 新手。我有一个复杂的数据集，线性回归不适合我的“预测”模型，但我发现高 R 平方值 0.658 它接近 1。我在我的代码中错过了为什么它很高，我的程序没有给出错误。我发现我的测试数据集的 R 平方值也没有训练。

R-squared:                       0.658
Model:                            OLS   
Adj. R-squared:                  0.647

#####我有数字和分类输入。我应用了一种热编码

我以为我那里有问题。应用线性回归。我计算 R 平方值以了解线性回归如何适合我的模型

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train, y_train) 
regr_btu = linear_model.LinearRegression()
   
regr_btu.fit (x_train, y_train)
pred_out_btu = regr_btu.predict (x_test)

pred_out_btu_train = regr_btu.predict (x_train)  
rmse_test = sqrt(mean_squared_error(pred_out_btu,y_test))
rmse_train = sqrt(mean_squared_error(pred_out_btu_train,y_train))
print('train: ' + str(rmse_train))
print('test: ' + str(rmse_test))
print('mean: '+ str(y.mean()))
print('percentage mean: ' + str(rmse_test/(y.mean())*100) + '%')  

B = x[['education','rent','car_price','apple','banana','orange']]
C = y['salary']
model = sm.OLS(C,B).fit() 
predictions = model.predict(B) 
print_model = model.summary()
print(print_model)

【问题讨论】：

这是一个关于局部变量与全局变量的好教程：geeksforgeeks.org/global-local-variables-python
我有一个数据集，我在这段代码之前定义了 X 和 Y。
请附上minimal reproducible example 和错误消息。我们如何知道您在问题中未包含的代码中做了什么？
我更新了我的问题。感谢您的反馈
我的输入有不同的范围，这就是为什么我要对其进行归一化，x, y 是序列 X 和 Y 的归一化状态。我有分类数据，所以我应用了一种热编码 @MichaelSzczesny跨度>

标签： python machine-learning data-science linear-regression

【解决方案1】：

您不需要在一次热编码之前对变量进行标签编码。您可以直接对其进行一次热编码。
您收到错误 x is not defined 的原因是因为您从第二个函数返回 x 和 y 并在第三个函数中直接使用它们。您必须先将它们存储在变量中，然后才能使用它们。
第三个函数有错别字。应该是return 而不是retunr

下面我已经纠正了错误，现在应该可以工作了。

def one_hot_encoding():
            
    data=['apple','banana','orange']
   
    onehot_data = OneHotEncoder(sparse=False)
    onehot_data = onehot_data.fit_transform(data)
    print("Categorical data encoded into integer values....\n")
    print(onehot_data)
one_hot_encoding()

def normalize_data(x,y):
              
    scaler = MinMaxScaler()
    x=pd.DataFrame(scaler.fit_transform(X),columns=X.columns, index=X.index) 
    y=pd.DataFrame(scaler.fit_transform(Y),columns=Y.columns, index=Y.index) 
      
    return x,y
x1, y1 = normalize_data(x,y)

def split_data():

    normalize_data()
    x_train, x_test, y_train, y_test = train_test_split(x1, y1, train_size=0.85)
    
    print(x_train.shape, x_test.shape, y_train.shape, y_test.shape) 
             
split_data()

【讨论】：

实际上，当我不使用标签编码器时，它会给我一个错误。
如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果数据包含单个样本，则使用 array.reshape(1, -1)。
我修复了问题，而不是使用函数。

【解决方案2】：

会帮助看到更多关于这个错误的细节。某处存在语法错误。确保您的参考资料正确。例如。小写 x 与大写 X 不同。如果您正在调用 normalise_data 函数，请确保根据定义为其提供参数。如果您将 x, y 作为函数的参数，当您尝试在函数内重新定义 x 和 y 时，它可能会引发错误。还要记住范围。这也可能引发未定义的错误。

【讨论】：

我更新了我的问题。感谢您的反馈