python - Scikit-Learn LinearRegression 在非常简单的数据集上表现不佳，

Question

当我尝试使用 scikit-learn LinearRegression 时，模型表现不佳，但是，当我尝试 scipy 线性回归时，它运行良好， 数据集很简单，逻辑或者代码有缺陷吗？

我尝试了多个 self 生成的线性数据，所有这些数据都包含 1 列特征和 1 列标签。

导入库

import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from scipy import stats

生成数据

X=[]
Y=[]
for i in range (100):
    X.append(2*i+3)
    Y.append(1.8*X[i]+32)
X=np.array(X,dtype=float)
Y=np.array(Y,dtype=float)

创建模型并分为测试和训练

reg = LinearRegression()
X_train, Y_train, X_test, Y_test = train_test_split(X, Y, test_size=0.5, random_state=0)

reshape 测试和训练，因为它是单列功能

X_train,X_test=(X_train.reshape(-1,1),X_test.reshape(-1,1))

拟合训练数据并对其进行评分

reg.fit(X_train,Y_train)
reg.score(X_test,Y_test)

我得到的分数因数据集大小而异，但从来都不好，大多是负面的，

但是当我使用 scipy 模型时

slope, intercept, r_value, p_value, std_err = stats.linregress(X, Y)

它工作得很好，总是能找到斜率 1.8 和截距 32

Answer 1

train_test_split 返回按照您输入参数的顺序拆分的数据，因此首先返回 X，然后返回 Y。但是您混合了 X 和 Y。

如果你这样做，你的问题就会得到解决:

X_train, X_test, Y_train, Y_test = train_test_split(X,Y,test_size=0.5,random_state=0)

Scipy 可以工作，因为您使用了整个数据集。