machine-learning - 线性回归测试数据违反训练数据。请解释我哪里出错了

Question

这是包含 1000 个不同地点房屋租金定价条目的数据集的一部分。

训练模型后，如果我发送与测试数据相同的训练数据，我会得到不正确的结果。这怎么可能？

X_loc = df[{'area','rooms','location'}]

y_loc = df[:]['price']

X_train, X_test, y_train, y_test = train_test_split(X_loc, y_loc, test_size = 1/3, random_state = 0)

regressor = LinearRegression()

regressor.fit(X_train, y_train)

y_pred = regressor.predict(X_train[0:1])

数据集:

    price rooms  area location

0 0 22000   3    1339   140

1 1 45000   3    1580    72

3 3 72000   3    2310    72

4 4 40000   3    1800    41

5 5 35000   3    2100    57

预期输出 (y_pred) 应为 220000，但显示为 290000 它如何违反已训练的输入？

Answer 1

您观察到的正是所谓的“训练错误”。机器学习模型旨在找到“最佳”拟合，从而最大限度地减少“总误差”(即针对所有数据点而不是每个数据点)。22000 与 29000 相差并不远，尽管它不是确切的数字。这是因为线性回归尝试压缩数据中的所有变化以遵循一条直线。