机器学习模型的准确性

好吧，顺便说一句，如果您对目标中的异常值有疑问。有一定数量的数据，其上界与下界之比过大（2倍、10倍甚至50倍）。如果你扔掉一定数量的这些排放物，那么情况就会变得更好。为剪辑选择什么具体比率取决于您。我为示例选择了 3 的比率，从它和上面这大约是您数据的 2.5%，在我看来，这是一个很小的牺牲。

print((df.salary_to/df.salary_from < 3).value_counts(normalize=True))
df_selected = df[df.salary_to/df.salary_from < 3]
X = df_selected[feature_columns]
y = df_selected.salary_to
model.fit(X, y)
print(r2_score(y, model.predict(X)))
print(cross_val_score(model, X, y, scoring='r2'))

结论：

True     0.975505
False    0.024495
dtype: float64
0.9147364058539751
[0.35825282 0.45682105 0.43133096 0.41867005 0.44403997]

我有一个模型RandomForestRegressor，但没关系，根据您的初始数据，它显示的折叠图片与您的模型大致相同。

PS 另一种选择，你甚至不需要从数据中抛出任何东西，就是取目标的对数。但与此同时，我不太确定如何快速解释。我们不能忘记在整个过程结束时从预测中取指数。

X = df[feature_columns]
y = np.log(df.salary_to)
model.fit(X, y)
print(r2_score(y, model.predict(X)))
print(cross_val_score(model, X, y, scoring='r2'))

结论：

0.9205070404891004
[0.45175607 0.46596345 0.48481266 0.4853811  0.4781465 ]