了解回归结果

Question

我有一组描述不同时间点现象的数值特征。为了评估每个特征的个体性能，我执行了带有留一法验证的线性回归，并计算了相关性和误差来评估结果。

所以对于单个功能，它会是这样的：

• 输入：特征 F = {F_t1, F_t2, ... F_tn}
• 输入：现象 P = {P_t1, P_t2, ... P_tn}
• P 根据 F 的线性回归，加上留一。
• 评估：计算相关性（线性和斯皮尔曼）和误差（平均绝对值和均方根）

对于某些变量，两个相关性都非常好（> 0.9），但是当我查看预测时，我意识到预测都非常接近平均值（要预测的值） ，所以误差很大。

这怎么可能？

有办法解决吗？

对于一些技术精度，我使用带有选项“-S 1”的 weka 线性回归以避免特征选择。

Answer 1

好像是因为我们要回归的问题不是线性的，我们用的是线性的方法。那么就有可能有很好的相关性和很差的错误。这并不意味着回归错误或非常糟糕，但你必须非常小心并进一步调查。

无论如何，最小化误差和最大化相关性的非线性方法是可行的方法。

此外，异常值也会导致这个问题。