回归分析结果不在预期数字范围内

Question

我试图对25维数据进行回归分析。 我的数据在一个数据框中。 我的最终目标是预测一个分数值，即百分比（0,99,70,22 e.t.c）

1.我需要标准化数据/缩放它还是线性/多项式回归分析处理这个问题？你知道吗

1. 我应用了多项式回归，虽然它给了我一个很好的r平方值，我看到它返回的结果是负值-342.54，或者像252这样的高范围值（完全不在我给训练的分数范围内）我怎么纠正这个？ 我还想用其他方法来预测价值吗？ 下面是链接数据类型： https://docs.google.com/spreadsheets/d/1swkRwLXklrWEDV3bKic5uxl_uHLjzU0QDHJ2JLSP8zQ/edit?usp=sharing

代码如下：

 X= colum[D:AC] of spreadsheet
Y= column['Score'] or column ['Match'] in case of logistic regression
poly = PolynomialFeatures(degree=2)
X_ = poly.fit_transform(X)
X_test_ = poly.fit_transform(X_test)
# Instantiate
lg = LinearRegression()

   # Fit
  lg.fit(X_, y)

 # Obtain coefficients
 lg.coef_

Answer 1

1.我需要对数据进行标准化/缩放，还是线性/多项式回归分析来处理这个问题？

这“通常”是个好习惯。模型收敛更快。如果您使用的是sklearn，那么Linear Regression模块有一个名为normalize的参数，当设置为True时，它将在拟合模型之前规范化所有变量

<强>2。我应用了多项式回归，虽然它给了我一个很好的r平方值，我看到它返回的结果是负值-342.54，或者像252这样的高范围值（完全不在我给训练的分数范围内）我怎么纠正这个？我还想用其他方法来预测价值吗？

多项式回归的目的是给出介于-inf和+inf之间的值。如果需要百分比值，请通过sigmoid这样的函数缩放这些变量。您还可以使用Logistic Regression，predict_proba()函数将输出介于0和1之间的概率（尽管此模型适用于完全不同的目标）。你知道吗

正如@VivekKumar所说的，除非我们有具体的信息，否则我们很难帮助你。你知道吗