简单的线性回归比多变量/多重reg更好的结果

时间:2016-11-05 20:47:04

标签: machine-learning linear-regression multiple-regression

我有一个预测房价的现有模型,它使用简单的线性回归。作为输入,我有日期和输出是价格。

我想改善整体效果,因此我又添加了一项功能。新功能是与估计属性的距离。

问题是多元/多元回归的表现比简单回归差一点。 (所有数据都已标准化)

您是否有一些想法为什么会发生这种情况?我该如何处理?

1 个答案:

答案 0 :(得分:1)

有几十种可能的原因,仅举几例:

  • 如果您的新功能与您尝试预测的内容几乎无关 - 您可以有效地向系统注入噪音,从而无法获得更好的性能
  • 如果你的数据点很少,更多的功能会导致更难的问题
  • 因为你使用线性模型,即使新特征是非常好的预测器,但它与因变量的关系非线性 - 模型也将失败
  • 线性回归本身就是非常天真的模型,即使是脊/套索回归也可能完全改变结果(特别是套索,因为它更好地处理不良特征)