Могу ли я улучшить прогноз своей модели намного больше? ⇐ Python

[Anonymous]

Вот моя интерпретация моей модели на данный момент: я исследую взаимосвязь между рейтингом и подписчиками в видеоиграх, но есть проблема. Чем больше у вас высоких рейтингов, тем больше у вас подписчиков, но их очень мало.

Код: Выделить всё

from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_validate, learning_curve

polynomial_features = PolynomialFeatures(degree=2, include_bias=False)
X_poly = polynomial_features.fit_transform(X)
model_reg = LinearRegression()
cv_result = cross_validate(model_reg, X_poly, y, cv = 5)
cv_result['test_score'].mean()

#0.031169232070832886

R2 очень низкий, что не должно вызывать удивления при составлении прогноза.

Код: Выделить всё

model = LinearRegression()
sorted_df = games_top.sort_values('rating')

sorted_X = sorted_df[['rating']]
sorted_y = sorted_df['followers']

# Creates polynomial
poly_features = PolynomialFeatures(degree=2, include_bias=False)
X_poly_sorted = poly_features.fit_transform(sorted_X)

model.fit(X_poly_sorted, sorted_y)
predictions = model.predict(X_poly_sorted)
#plot predictions over original data
%matplotlib widget
sns.scatterplot(x=sorted_X['rating'], y=sorted_y, alpha=0.5)
plt.plot(sorted_X['rating'], predictions, linewidth=3, color='r')

Если я построю свою перекрестно проверенную первую модель под названием model_reg, она будет переоснащена. Я в тупике с этой функцией? Должен ли я избавиться от очень низких выбросов?


Подробнее здесь: https://stackoverflow.com/questions/784 ... -than-that