python做线性回归中出错type error_python中的线性回归与完全错误的回归lin严重错误...

这是一个非常有趣的案例研究！在

似乎回归线事实上是正确的，你的眼睛(和你的情节)正在欺骗你。在

您生成的散点图如下：

看起来是个正斜率，对吧？对吗？

好吧，不。这里有太多的点，以至于不可能看到大多数点在哪里。大多数点都是向下倾斜的，但它们都在彼此的顶部，另外一些不在彼此顶部的点显示出向上的坡度。在

更好的情节：降低视觉重叠

为了测试这一点，我用更低的不透明度和更小的标记大小绘制了这些点(因此重叠量将减少：plt.scatter(X_train, y_train, alpha=0.002, s=1)

plt.show()

在这里你可以看到，事实上大多数点都显示出一个向下的斜率(尽管也有人认为线性相关性不是建模相关性的最佳方式)。请记住，线性回归试图拟合最佳的直线，这意味着它遵循大多数点，但如果只有一些异常值，则无法捕捉到更困难的非直线模式。在

事实上，线性相关系数也是负的：

^{pr2}$

结论

简而言之：

1回归线似乎是正确的

2确保你看的是正确的图-如果所有的点都在另一个上面，散点图可能不是最佳的。在

编辑：视觉确认

还有一个图：上面有回归图的散点图：

这似乎合理(对于直线)，不是吗？在

也许另一个情节会更容易看，因为有这么多要点：import seaborn as sns

sns.jointplot(x='T_degC', y='Salnty', data=df1, kind='hex')

jointplot通过对图中有多个点的部分着色来显式地显示重叠。这再次证实了一个下降的趋势，但是有一些(相对较少的)其他点与这个趋势相反。

希望有帮助！在