我有一个现有的模型，用于预测房价，该模型使用简单线性回归。输入是日期，输出是价格。

为了改进整体结果，我添加了一个新特征。这个新特征是与估计物业的距离。

问题是，多元/多重回归的表现比简单回归稍差。（所有数据都已标准化）

你有关于为什么会发生这种情况以及我该如何处理的想法吗？

回答：

可能的原因有数十种，这里列出几个：

• 如果你的新特征与你试图预测的内容几乎没有相关性——你实际上是在向系统中注入噪声，因此不能期望有更好的表现
• 如果你的数据点很少，增加特征可能会导致问题变得更加困难
• 由于你使用的是线性模型，即使新特征是非常好的预测器，但如果它与因变量的关系不是线性的——模型也会失败
• 线性回归本身是一个非常简单的模型，即使是岭回归/套索回归也可能会完全改变结果（特别是套索回归，因为它能更好地处理不良特征）