在多项式回归中用split分割数据集后，再算了score得分
来源：8-6 验证数据集与交叉验证
nyist_dusen
2018-08-02
poly_clf = PolynomialRegression(9)
poly_clf.fit(X_train, y_train)
score = poly_clf.score(X_test, y_test)
score
在多项式回归中用split分割数据集后，再算了score得分，得分为-1.223，想问下老师-1.223的话，是指的偏差为-0.22？(和-1对比)，还是指的偏差为-2.22？(和1对比)
写回答
2回答
-
nyist_dusen
提问者
2018-08-03
多谢波波老师~
00 -
liuyubobobo
2018-08-03
对于回归问题，默认的score返回的是R square的结果。（回忆5-6的内容）。Rsquare为1，代表预测完全准确。R square为0，代表预测水平和只预测平均值是一个水平。通常R square的值应该在0-1之间，越高越好，这个模型才有可取之处。R square为负数，代表预测水平还不如只预测平均值。说明你得到的模型非常差。此时需要考虑：
1）看看在训练集上score，如果非常高，说明过拟合了。你在多项式回归中传入的degree为9，高概率过拟合；
2）数据中是否有非常影响结果的outlier；
3）这个模型是否本身不适合你的数据，需要换其他模型。
加油！
032018-08-03
相似问题