Question

嗨，我有一个线性回归模型，我正在尝试优化。我正在优化指数移动平均线的跨度和我在回归中使用的滞后变量的数量。

然而，我一直发现结果和计算出的mse不断得出不同的最终结果。不知道为什么有人可以帮忙？

启动循环后的进程： 1.使用三个变量创建新数据框 2.删除nil值 3.为每个变量创建ewma 4.为每个变量创建滞后 5.放弃NA 6.创建X，y 7.如果更好的MSE，请回退并保存ema跨度和滞后数 8.使用下一个值启动循环

我知道这可能是一个交叉验证的问题，但因为它可能是我在这里发布的程序化：

bestema = 0
bestlag = 0
mse = 1000000

for e in range(2, 30):
    for lags in range(1, 20):
        df2 = df[['diffbn','diffbl','diffbz']]
        df2 = df2[(df2 != 0).all(1)]        
        df2['emabn'] = pd.ewma(df2.diffbn, span=e)
        df2['emabl'] = pd.ewma(df2.diffbl, span=e)
        df2['emabz'] = pd.ewma(df2.diffbz, span=e)
        for i in range(0,lags):
            df2["lagbn%s" % str(i+1)] = df2["emabn"].shift(i+1)
            df2["lagbz%s" % str(i+1)] = df2["emabz"].shift(i+1)
            df2["lagbl%s" % str(i+1)] = df2["emabl"].shift(i+1)
        df2 = df2.dropna()
        b = list(df2)
            #print(a)
        b.remove('diffbl')
        b.remove('emabn')
        b.remove('emabz')
        b.remove('emabl')
        b.remove('diffbn')
        b.remove('diffbz')
        X = df2[b]
        y = df2["diffbl"]
        X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
        #print(X_train.shape)
        regr = linear_model.LinearRegression()
        regr.fit(X_train, y_train)
        if(mean_squared_error(y_test,regr.predict(X_test)) < mse):
            mse = mean_squared_error(y_test,regr.predict(X_test) ** 2)
            #mse = mean_squared_error(y_test,regr.predict(X_test))
            bestema = e
            bestlag = lags
            print(regr.coef_)
            print(bestema)
            print(bestlag)
            print(mse)

Answer 1

sklearn中的train_test_split函数（请参阅文档：http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.train_test_split.html）是随机的，因此每次都会得到不同的结果是合乎逻辑的。
您可以将参数传递给random_state关键字，以使其每次都相同。

每次使用scikit运行线性回归时获得不同的结果

1 个答案: