如何解决为什么我的平均cross_val_score与训练和测试集上的R平方值如此不同?
我正在处理回归问题并评估其效果。我想知道我的R平方值与我的交叉验证分数有何不同。这是过拟合的迹象吗?这是我的设置示例。 X和Y分别被预先定义为特征和目标。
X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size=.2,random_state=47)
knn = neighbors.KNeighborsRegressor(n_neighbors=40,weights='distance')
knn.fit(X_train,y_train)
y_preds_train = knn.predict(X_train)
y_preds_test = knn.predict(X_test)
print('R square of training set:',knn.score(X_train,y_train))
print('_____________________Test Stats_____________________')
print('R square of test in the model:',knn.score(X_test,y_test))
print('MAE:',mean_absolute_error(y_test,y_preds_test))
print('MSE:',mse(y_test,y_preds_test))
print('RMSE:',rmse(y_test,y_preds_test))
print('MAPE:',np.mean(np.abs((y_test - y_preds_test) / y_test)) * 100)
score = cross_val_score(knn,X,cv=5)
print("Cross Val Accuracy: %0.2f (+/- %0.2f)" % (score.mean(),score.std()*2))
score
结果:
R square of training set: 0.9881595480397585 _____________________Test Stats_____________________ R square of test in the model: 0.8611300681864155 MAE: 7.488081625869961 MSE: 164.64697808634588 RMSE: 12.831483861438079 MAPE: 368.35904890846416 Cross Val Accuracy: 0.65 (+/- 0.21) array([0.58122339,0.53346581,0.8312428,0.69213113,0.61482638])
解决方法
虽然很难从这些结果中推断出一些信息,但您可能需要检查一下。
- 将n_neighbors的值更改为一个范围,并检查Cross val精度如何变化,甚至运行GridSearchCV
- 将cross_val_score中的cv更改为10,因为可以看到一个片段的精度为0.83,而其余片段的精度都低于0.7,这令人惊讶。执行此操作时,也更改test_size = 0.1
- 确保X中的数据已规范化
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。