这可能更像是一个理论问题，而非与代码相关的问题。在我目前的工作中，我发现自己正在估算/预测（后者更多是机会主义的）非洲某条河流的水位。

重点是我正在开发一个简单的多元回归模型，该模型使用超过15年的历史水位和降水数据（来自不同地点）来生成水位估算值。

我不太习惯使用机器学习或其他正确的名称。我更习惯于建模数据并生成拟合（当前数据可以完美地用不对称高斯和S形函数结合低阶多项式来定义）。

所以问题是：一旦我有了多元回归模型，我的同事建议我不要使用拟合数据进行估算，而应该使用所有原始数据。因为他们无法向我解释这样做的原因，我尝试将拟合数据作为原始输入（为自己辩护，所有拟合模型的中位数具有非常低的偏差误差 == 很好的拟合）。但我不明白的是，为什么应该只使用原始数据，这些数据可能是嘈杂的、不准确的，考虑到一些不直接相关的因素（使回归产生偏差？）。这样做的优势是什么？

我在该领域缺乏理论知识，这让我对这个问题感到疑惑。我应该始终使用所有原始数据来确定我的多元回归的变量，还是可以使用拟合值（即获取每年的历史数据的不同拟合模型的中位数）？

非常感谢！

回答：

这是我的两分钱

我认为你的同事这么说，是因为让模型学习原始数据与实际降雨量之间的相关性会更好。

在该领域，你会从原始数据开始，因此能够直接从中进行预测非常有用。你在原始数据之后做的越多工作，你每次想要进行预测时就需要做的越多工作。

然而，如果一个更简单的模型工作得完美地用不对称高斯和S形函数结合低阶多项式来定义，那么我会建议这样做。只要你的(y_pred – t_true) ** 2非常小