知识卡片
非线性建模与变量变换
把多项式方法用到房屋数据:二/三次多项式拟合 MEDV-LSTAT,三次拟合最佳,但多项式特征越多模型越复杂、越易过拟合,须在独立测试集评估泛化。多项式并非最佳选择——把 LSTAT 取对数、MEDV 取平方根映射到线性特征空间后用线性回归,R²=0.69,优于前面任何多项式回归。说明变量变换有时比加多项式项更有效。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 使用回归分析预测连续型目标变量 · 查看原书依据
加入越来越多的多项式特征会增加模型的复杂度,从而更易导致过拟合
参考来源
- 位置:《Python机器学习》第10章《10.7.1 房屋数据集中的非线性关系建模》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0134.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:加入越来越多的多项式特征会增加模型的复杂度,从而更易导致过拟合