Python scikit-learn: почему мой классификатор LinearRegression так низок?
Для первых трех сегментов доверительного интервала верхний конец диапазона, по крайней мере, частично выходит за пределы (границы [-1, 1], а не слегка расширенный диапазон по осям). По умолчанию поведение ggplot заключается в том, чтобы не отображать какой-либо объект, который частично выходит за рамки. Вы можете исправить это, добавив oob=scales::rescale_none в scale_y_continuous:
library(scales)
graph <- ggplot(df.m, aes(group=1,disciplines,value,colour=variable,shape=variable)) +
geom_point() +
geom_smooth(stat="smooth", method=loess, level=0.95) +
scale_x_discrete(name="Disciplines") +
scale_y_continuous(limits=c(-1,1), name="Measurement", oob=rescale_none)
1 ответ
При использовании линейной регрессии. Вы на самом деле просто подгоняете линию к данным. Если данные не линейные, то это не лучший метод. Обратите внимание, что ваши данные не являются линейными по отношению к дню:
Подгонка линии (т.е. выполнение LinearRegression) над вашими данными дает вам линия, которая не является хорошим предиктором ваших данных:
Однако существуют подмножества ваших данных, которые являются более линейными. Например, если вы используете линейную регрессию с 8-го дня, вы получите следующую строку:
Ваша «оценка» уходит путь вверх. Выполнение кода 1000 раз (для этого подмножества данных) дает в среднем 0,875857 баллов. Возможно, вы захотите придумать модель, которая учитывает тот факт, что при определенном проценте пользователь, вероятно, удалит файлы, чтобы освободить больше места.