python交叉验证结合线性回归_用Python建立具有交叉验证的线性回归模型

我有大约1.3k的叶片温度样本，我试图用大气变量，如空气温度、太阳辐射、风和湿度来预测这个温度。在

我从一个简单的多元线性回归模型开始，但是我想在准确度方面提高一个档次，所以我决定尝试使用leave one out cross validation方法，以获得最佳的模型输出。我最终会收集系数并截取，以便以后使用这个模型。在

据我所知，交叉验证有两个目的。第一个似乎是比较你的模型与其他模型的准确性，并在经过大量的训练数据后决定哪一个是最好的。在

第二个目的(也是我正在尝试使用的)是您可以使用交叉验证来提高单个模型的准确性。换句话说，我尝试构建的最终模型是在考虑了所有可能的训练集之后构建的。我觉得第二个目的我可能都错了。在

总之，受我所见(最显著的是this和this)的启发，我开发了以下代码：from sklearn.linear_model import LinearRegression

from sklearn.model_selection import LeaveOneOut

#Leave ont out cross validation (LOOCV)

#Y_data and X_data are both pandas df

loo = LeaveOneOut()

loo.get_n_splits(X_data)

ytests = []

ypreds = []

All_coef = list()

All_intercept = list()

for train_index, test_index in loo.split(X_data):

X_train, X_test = X_data.iloc[train_