Точечная диаграмма, показывающая точки данных с отрицательными значениями, когда в наборе данных нет отрицательных значе ⇐ Python

[Anonymous]

Возникла проблема с этой моделью прогнозирования линейной регрессии. Диаграмма рассеяния показывает точки данных в отрицательном направлении, когда в наборе данных нет отрицательных значений. Я проверил формы и минимальные значения, и на графике не должно быть этих отрицательных значений, но я не могу понять, почему диаграмма рассеяния предполагает их присутствие.
Код для определения показателей< /p>

Код: Выделить всё

def evaluate_model(y_test,price_pred):
gradient = price_linear.coef_
intercept = price_linear.intercept_

mile_mae = mean_absolute_error(y_test, price_pred)
mile_mse = mean_squared_error(y_test, price_pred)
mile_rmse=np.sqrt(mile_mse)
mile_r2 = r2_score(y_test, price_pred)

print(f'Gradient: {gradient} \n Intercept: {intercept}')

print(f'\n Mean absolute error: {mile_mae} \n Mean squared
error: {mile_mse} \n Root
mean squared error: {mile_rmse} \n Coefficient of
determination: {mile_r2}')

Код модели линейной регрессии

Код: Выделить всё

numerical_inputs = ['Mileage', 'Year of manufacture', 'Engine size']

x = df[numerical_inputs]
y = df['Price']

#splitting of the data
x_num_train, x_num_test, y_price_train, y_price_test =
train_test_split(x, y, test_size
= 0.2, random_state = 42)

#scaling the numerical data
scale = StandardScaler()

#fitting only to train data to prevent data leakage
scale.fit(x_num_train)
num_train_scaled = scale.transform(x_num_train)
num_test_scaled = scale.transform(x_num_test)

multi_price_linear = LinearRegression()

multi_price_linear.fit(num_train_scaled, y_price_train)

multi_price_pred = multi_price_linear.predict(num_test_scaled)

evaluate_model(y_price_test, multi_price_pred)

#plt.show()
plt.figure(figsize=(14,8))
plt.scatter(y_price_test, multi_price_pred, alpha = 0.6)
plt.plot([min(y_price_test), max(y_price_test)],
[min(y_price_test),max(y_price_test)], color = 'red')
plt.ylabel('Actual Price')
plt.xlabel('Predicted Price')
plt.title('Predicted Price vs Actual Price')
plt.show()

Вывод следующий:
Градиент: [-2720.41736808 9520.41488938 6594.02448017]
Перехват: 13854.628699999997
Средняя абсолютная ошибка: 6091,458141656242
Среднеквадратическая ошибка: 89158615,76017143
Среднеквадратическая ошибка: 9442,38400829851
Коэффициент детерминации: 0,671456306417368
И вот изображение того, что Диаграмма рассеяния указывает:


Я не хочу ограничивать график показом отрицательных значений, если это указывает на какую-то проблему с данными или кодом. Спасибо!

Подробнее здесь: https://stackoverflow.com/questions/792 ... o-negative