- 博客(1)
- 收藏
- 关注
原创 (机器学习)测试集和训练集的划分对预测结果的影响
由于该组数据整体方差较大,因此根据某一个特征的大小进行划分时,尤其是生成二次项之后,很容易出现测试集的平均数值明显比训练集要大的情况。在使用python对35717组数据进行回归分析时,在生成二次项之后,发现使用线性回归模型时测试集MSE特别大,而且r^2系数出现负值。采用8:2的比例对原数据划分训练集和测试集进行划分,并且采用随机分配的方式。可能是因为测试集中出现异常较大的值,或者测试集某些特征整体数值较大。通过此方式划分的测试集和训练集,模型预测结果有了很好的改善。
2024-08-07 17:26:36 205
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人