Почему моя линейная регрессия Scikit имеет более низкий R-квадрат, когда я добавляю еще одну независимую переменную? ⇐ Python

[Anonymous]

Я пробую пример кода линейной регрессии из Интернета. Но когда я добавляю еще один дополнительный x, который аналогичен исходному, оценка становится 0,32. < /P>
Я ожидаю, что регрессия может дать коэффициент нуля ко второму x для достижения модели, по крайней мере, такой же хорошей, как и первая с одним х. < /P>
это потому, что счет регулируется r?# https://www.kaggle.com/code/emineyetm/s ... ing-python

# for data manipulation
import numpy as np
import pandas as pd

# Import Warnings
import warnings
warnings.simplefilter(action="ignore")

# Setting Configurations:
pd.set_option('display.float_format', lambda x: '%.2f' % x)

# for data splitting, transforming and model training
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
from sklearn.model_selection import train_test_split, cross_val_score

experience = np.array([5, 7, 3, 3, 2, 7, 3, 10, 6, 4, 8, 1, 1, 9, 1])
salary = np.array([600, 900, 550, 500, 400, 950, 540, 1200, 900, 550, 1100, 460, 400, 1000, 380])

experience = experience.reshape(-1, 1)

linear_model = LinearRegression()
linear_model.fit(X=experience, y=salary)

print(linear_model.coef_)

print(linear_model.intercept_)

print(linear_model.score(X=experience, y=salary))

experience = np.array([[5, 7, 3, 3, 2, 7, 3, 10, 6, 4, 8, 1, 1, 9, 1], [5.1, 7.2, 3.05, 3.02, 2.1, 7.5, 3, 11, 6.2, 4.1, 8.5, 1.01, 1.02, 9.6, 1.02]])

experience = experience.reshape(-1, 2)

print()

linear_model = LinearRegression()
linear_model.fit(X=experience, y=salary)

print(linear_model.coef_)

print(linear_model.intercept_)

print(linear_model.score(X=experience, y=salary))



Подробнее здесь: https://stackoverflow.com/questions/795 ... e-more-ind