我想进行残差分析，我知道残差等于观测值减去预测值。但我不知道是应该从训练集还是测试集中计算残差？

我应该使用以下代码吗：

import statsmodels.api as sm # Making predictionslm = sm.OLS(y_train,X_train).fit()y_pred = lm.predict(X_train)resid = y_train - y_pred.to_frame('price')

还是这个：

import statsmodels.api as sm # Making predictionslm = sm.OLS(y_train,X_train).fit()y_pred = lm.predict(X_test)resid = y_test- y_pred.to_frame('price')

回答：

残差误差应该从测试集的实际值（预期结果）y_test和拟合模型对X_test的预测值中计算。模型在训练集上进行拟合，然后在测试集上测试其准确性。我直观地认为，这正是最初正式将两个数据集称为train（用于训练）和test（用于测试）的主要原因。

具体来说，应该使用第二种情况

resid = y_test- y_pred.to_frame('price')