如何解释线性回归效果图?

数据挖掘 机器学习 回归 线性回归 解释
2022-02-21 20:15:29

有人能告诉我如何解释下图吗?在此处输入图像描述

它对应于一个图表,其中观察了线性回归中变量的影响,但我不清楚它的解释。

为什么在工作日只显示半个图表?为什么weathersit没有胡须?为什么假期只是 0 处的一条线?

以下是变量的简要摘要:

工作日:如果一天既不是周末也不是假期为1,否则为0。

windspeed:归一化风速。这些值被划分为 67(最大值)

气象站

  • 1:晴、少云、多云、多云
  • 2:雾+多云、雾+碎云、雾+少云、雾
  • 3:小雪、小雨+雷雨+散云、小雨+散云
  • 4:大雨+冰块+雷暴+雾,雪+雾

temp:以摄氏度为单位的标准化温度。这些值是通过 (t-t_min)/(t_max-t_min), t_min=-8, t_max=+39 得出的(仅以小时为单位)

季节:季节(1:冬季,2:春季,3:夏季,4:秋季)

嗡嗡声:归一化湿度。值除以 100(最大值)

假期:天气日是否为假期

1个回答

注意:你没有提到这是为了什么,即这个模型应该预测的目标变量。

无论如何,这张图显示了每个自变量(特征)对预测因变量(目标)的影响。高绝对值(正或负)意味着该特征实际上在一定程度上有助于了解目标,而接近于零的值意味着该特征根本没有帮助(或几乎没有帮助)。例如,“假期”为了解目标带来了零信息。

对于每个特征,一系列值都显示为箱线图,这些值可以具有不同的形状是正常的。像“工作日”这样的窄箱线图表明方差很小(即不确定性很小)。中间的粗线通常是中位数。胡须显示离群值达到多远,有时没有离群值。