Итак, я построил простую линейную регрессионную модель с горсткой функций. Когда я пытаюсь предсказать новый вход, результат несовместим. Например:предсказание линейной регрессии в scikit-learn противоречиво
In [1]: model.predict(X_new)
Out[1]: array([ 7.15993216e+08, 1.13548305e+09])
Но если я лавировать его на оригинальный образец обучения, я получаю совершенно иной ответ:
In [2]: model.predict(X_training[:1].append(X_new))[1:]
Out[2]: array([ 272682.59925699, 1179906.89475647])
Это, как представляется, модель агностик (по крайней мере, в пределах линейной регрессии). Я также пробовал то же самое внутри конвейера и получал поведение sam.
Любые мысли?
Что такое тип 'X_training'? Обычно вы передаете объект 'np.array', но у него нет метода' append'. –
Это кадр данных pandas, но это та же проблема с массивом numpy. – user6656013
@SohierDane, я на самом деле вытаскиваю первое значение X_training, а затем из прогнозируемых результатов вытягиваю все, кроме первого значения (так что предсказание для значения обучения не отображается). Думаю, должен быть тот же результат. – user6656013