负 SKlearn 线性回归分数

Question

我正在尝试使用 sklearn 线性回归构建房价预测模型，但我得到了负分。

请问我做错了什么？

数据集：

这是数据集

数据集截图：

请参阅以下详细信息：

数据框的形状：(23435, 190)

代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import ShuffleSplit
from sklearn.model_selection import cross_val_score

    properties_five = pd.read_csv('house_test.csv')
    
    X = properties_five.drop('price', axis='columns')
    y = properties_five['price']
    
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=10)
    
    lr_clf = LinearRegression()
    lr_clf.fit(X_train, y_train)
    print(lr_clf.score(X_train,y_train))
    print(lr_clf.score(X_test,y_test))
    
    cv = ShuffleSplit(n_splits=5, test_size=0.2, random_state=0)
    
    print(cross_val_score(LinearRegression(), X, y, cv=cv))

训练数据得分：0.0025884591059242013

测试数据得分：-1.6566338615525985e+24

Answer 1

您的代码看起来不错 - 除了df = pd.read_csv('house_test.csv')应该是properties_five = pd.read_csv('house_test.csv')以匹配下一行。

当我在这个数据集上运行它时，我得到以下输出：

0.7307587542204755
0.465770160153375
[0.64358885 0.67211318 0.67817097 0.53631898 0.67390831]

也许线性回归只是在您的数据集上表现不佳，或者您的数据集包含错误。 负的 R² 分数意味着您最好使用“恒定回归”，即让您的预测始终等于y的平均值。

Answer 2

请分享您的输出。 线性回归也受到异常值的影响，因此您应该对数值变量进行标准化。

Answer 3

您已经使用df名称读取了文件，因此您应该在下一行将properties_five替换为df 。 并尝试对数据集进行标准化/规范化，我希望它有助于减少错误， 例如在这里您可以找到详细信息。