这是一组包含1000条不同地点房租价格数据的数据集的一部分。

在训练模型后，如果我将相同的训练数据作为测试数据发送，我得到的是错误的结果。这怎么可能呢？

X_loc = df[{'area','rooms','location'}]y_loc = df[:]['price']X_train, X_test, y_train, y_test = train_test_split(X_loc, y_loc, test_size = 1/3, random_state = 0)regressor = LinearRegression()regressor.fit(X_train, y_train)y_pred = regressor.predict(X_train[0:1])

数据集:

    price rooms  area location0 0 22000   3    1339   1401 1 45000   3    1580    723 3 72000   3    2310    724 4 40000   3    1800    415 5 35000   3    2100    57

预期输出（y_pred）应该是220000，但显示的是290000。它怎么会违反已经训练过的输入呢？

回答：

你观察到的正是所谓的“训练误差”。机器学习模型旨在找到“最佳”拟合，以最小化“总误差”（即对于所有数据点，而非每个数据点）。22000与29000并不算太远，尽管它不是确切的数字。这是因为线性回归试图将你数据中的所有变化压缩到一条直线上。