我正在尝试预测IMDB上的每部电影的利润。
我的数据框架和功能如下：
Actor1 Actor2 Actor3 Actor4 Day Director Genre1 Genre2 Genre3
0 0 0 0 0 19.0 0 0 0 0
1 1 1 1 1 6.0 1 1 1 1
2 2 2 2 2 20.0 2 0 2 2
3 3 3 3 3 9.0 3 2 0 -1
4 4 4 4 4 9.0 4 3 3 3
Language Month Production Rated Runtime Writer Year BoxOffice
0 1 0 0 0 118.0 0 2007.0 37500000.0
1 2 1 1 0 151.0 1 2006.0 132300000.0
2 1 1 2 1 130.0 2 2006.0 53100000.0
3 1 2 1 0 117.0 3 2007.0 210500000.0
4 4 3 3 2 117.0 4 2006.0 244052771.0
和我要预测的价值(目标(是拳击。
我正在按照(http://scikit-learn.org/stable/modules/generated/generated/sklearn.metrics.mean_squared_error.html#sklearn.metrics.mean_squared_error(
from sklearn import preprocessing, linear_model
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.model_selection import train_test_split, cross_val_score
X = dataset[:,0:16] # Features
Y = dataset[:,16] #Target
X_train, X_test, Y_train, Y_test = train_test_split(X,Y, test_size=0.33)
regr = linear_model.LinearRegression()
regr.fit(X_train,Y_train)
mean_squared_error(Y_test, regr.predict(X_test))
和输出始终是以下路线： 11385650623660550 ($ 11,385,650,623,623,660,500.00(
虽然Boxoffice的平均值是：107989121
等。
ive尝试了多种不同的方法，交叉验证以及其他型号(keras(，感觉就像我尝试了一切。
返回总和非常高，这使我质疑问题不在模型或数据中，而是我缺少的其他内容。
我认为，您的问题与平方误差无关，而是模型本身。
对于您的分类功能，我建议您尝试其他编码方法，例如onehotencoder。LabElenCoder不是线路回归的好选择。
(有关更多信息：http：//scikit-learn.org/stable/modules/generated/sklearn.preprocessing.onehotencoder.html
https://hackernoon.com/what-is-one-hot-encoding-why-and-when-do-you-have-to-have-to-to-to-it-e3c6186d008f(
在训练模型之前，请看一下数字功能与目标变量的相关性，也许是一些无关紧要的，对于分类功能，您可以尝试不同的方法来分析其与目标变量(例如Boxplots(
的关系线条回归需要连续变量，因此您可能还需要尝试其他算法。只需确保您在应用之前拥有足够的背景即可。
尝试标准化输出(或y(变量，并在0到1之间。
您可以检查模型的准确性吗？我猜这很低，因此您的平均平方误差很高。由于预测的票房和实际实际票之间的模型差异准确性很低，而且平方变得更大。
rgr.score(X_test,Y_test(