尽管有标准化和交叉验证，模型性能仍面临挑战：使用汽车报废的 Automobile.tn 数据进行案例研究（1766 个条目）”

Question

从 sklearn.model_selection 导入 cross_val_score 从 sklearn.linear_model 导入 LinearRegression

线性回归模型实例

线性模型 = 线性回归()

Appliquer la validating croisée avec 5 plis

cross_val_scores = cross_val_score（线性模型，scaled_data，y，cv = 5，评分='neg_mean_squared_error'）

Les Scores sont généralement negatifs, car scikit-learn inverse le Signe pour des raisons pratiques

将分数转换为积极值

mse_scores = -cross_val_scores

结果附表

print("R_squared:",r_squared) 打印（“均方根误差：”，均方根误差）

输出：R_squared：0.34315292365076344 均方根误差：50511.93582816874

Answer 1

嗨，我对这段代码有一个问题，尽管应用了标准化和交叉验证，我仍然有非常高的均方误差和0.0的精度，我从automotive.tn网站上抓取了数据（数据大小为1766），这里是代码：