了解回归结果

Question

我有一组数字特征来描述不同时间点的现象。为了评估每个特征的个体性能，我执行线性回归并留下一个验证，并计算相关性和误差以评估结果。

因此，对于单个功能，它将类似于：

• 输入：功能F = {F_t1，F_t2，... F_tn}
• 输入：Phenomenom P = {P_t1，P_t2，... P_tn}
• 根据F的线性回归P，再加上一个。
• 评估：计算相关性（线性和矛头）和误差（平均绝对值和均方根）

对于某些变量，两个相关性都非常好（> 0.9），但是当我看一下预测时，我意识到预测都非常接近平均值（要预测的值），所以错误很大。

这怎么可能？

有没有办法解决它？

对于某些技术精度，我使用带有选项“-S 1”的weka线性回归来避免特征选择。

Answer 1

这似乎是因为我们想要回归的问题不是线性的，我们使用线性方法。然后可能具有良好的相关性和差的错误。这并不意味着回归是错误的或非常糟糕，但你必须非常小心并进一步调查。

无论如何，一种非线性方法可以最大限度地减少错误并最大化相关性。

此外，异常值也会使这个问题发生。