简单线性回归的结果比 multivariate/multiple reg 更好
better results from simple linear regression than multivariate/multiple reg
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，输出是价格。
我想改进整体结果，所以我又添加了一项功能。新特征与估计的距离 属性.
问题是 multiple/multivariate 回归的表现比简单回归差一点。 （所有数据均已归一化）
您知道为什么会发生这种情况吗？我该如何处理？
可能的原因有几十种，这里只列举几个：
- 如果您的新功能与您尝试预测的内容几乎没有关联 - 您正在有效地向系统注入噪音，因此无法期望更好的性能
- 如果你的数据点很少，更多的特征可能会导致更难的问题
- 由于您使用的是线性模型，即使新特征是非常好的预测变量，但它与因变量的关系不是线性的 - 模型也会失败
- 线性回归本身是非常幼稚的模型，即使 ridge/lasso 回归也可能会完全改变结果（尤其是套索，因为它可以更好地处理不良特征）
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，输出是价格。
我想改进整体结果，所以我又添加了一项功能。新特征与估计的距离 属性.
问题是 multiple/multivariate 回归的表现比简单回归差一点。 （所有数据均已归一化）
您知道为什么会发生这种情况吗？我该如何处理？
可能的原因有几十种，这里只列举几个：
- 如果您的新功能与您尝试预测的内容几乎没有关联 - 您正在有效地向系统注入噪音，因此无法期望更好的性能
- 如果你的数据点很少，更多的特征可能会导致更难的问题
- 由于您使用的是线性模型，即使新特征是非常好的预测变量，但它与因变量的关系不是线性的 - 模型也会失败
- 线性回归本身是非常幼稚的模型，即使 ridge/lasso 回归也可能会完全改变结果（尤其是套索，因为它可以更好地处理不良特征）