Python机器学习手册：从数据预处理到深度学习

问题描述

需要一个简单基准回归模型，用于与算法生成的模型进行对比。

解决方案

使用scikit-learn的DummyRegressor创建一个简单的基准回归模型：

接下来训练自己的模型，计算性能得分，并与基准模型进行比较：

讨论

DummyRegressor允许我们创建一个简单的模型，以此作为基准和实际的模型进行对比。我们通常用这种方法来模拟某个产品或系统中已有的原始预测系统。例如，一个产品将“所有新用户都会在第一个月消费100美元”这条规则硬编码到其预测系统中，而忽视了用户的所有特征。如果我们将这个假设编码到基准模型中，就能将机器学习方法的优势具体地展现出来。

DummyRegressor使用strategy参数设置所使用的预测方法，可选的方法包括训练集的均值或者中位数。此外，如果将strategy设置成constant并使用constant参数，则模型对所有样本的预测结果都会是一个常数：

默认情况下，score方法返回的是决定系数（R-squared,R²得分）：

其中，y_i是目标样本的真实值，ŷ_i是预测值，ȳ是目标向量的均值。

R²越接近1，就代表特征对目标向量的解释越好（即相关性越高）。