多项式回归代码疑问：如何输出预测值与实际值？是否需逆变换？

问题描述 #

我正在理解这段多项式回归代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

# Load the dataset
dataset = pd.read_csv('winequality-red.csv')

# Extracting features and target variable
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, -1].values

# Splitting the dataset into the Training set and Test set
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)

# Creating polynomial features
poly_reg = PolynomialFeatures(degree=5)  
X_poly_train = poly_reg.fit_transform(X_train)
X_poly_test = poly_reg.transform(X_test) 

# Fitting Linear Regression to the dataset
regressor = LinearRegression()
regressor.fit(X_poly_train, y_train)

# Predicting the Test set results
y_pred = regressor.predict(X_poly_test)

# Printing the predicted values and actual values
print(np.concatenate((y_pred.reshape(len(y_pred),1), y_test.reshape(len(y_test),1)),1))

我想要输出因变量的预测值与y的实际值，我知道似乎需要应用类似逆变换的方法，但找不到对应的方法。

解决方案 #

首先明确：你完全不需要对预测值y_pred做逆变换！

核心原因

PolynomialFeatures仅对特征变量X做多项式扩展（生成x₁²、x₁x₂这类组合特征），目标变量y从始至终没有被任何转换处理过。模型训练时用转换后的X拟合原始y，预测出的y_pred直接对应原始y的尺度，所以不存在逆变换的需求。

修正代码（解决报错+提升可读性）

你的代码里存在一个小问题：未导入numpy导致np.concatenate报错，同时直接打印数组可读性差。以下是优化后的完整代码：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

# 加载数据集
dataset = pd.read_csv('winequality-red.csv')

# 提取特征与目标变量
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, -1].values

# 划分训练集与测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)

# 生成多项式特征
poly_reg = PolynomialFeatures(degree=5)  
X_poly_train = poly_reg.fit_transform(X_train)
X_poly_test = poly_reg.transform(X_test) 

# 训练线性回归模型
regressor = LinearRegression()
regressor.fit(X_poly_train, y_train)

# 预测测试集结果
y_pred = regressor.predict(X_poly_test)

# 生成对比表格，提升可读性
compare_df = pd.DataFrame({
    '实际酒质': y_test,
    '预测酒质': y_pred.round(2)  # 保留两位小数更直观
})

print(compare_df)

常见误区澄清

如果你误以为需要逆变换，大概率是混淆了**特征缩放（如StandardScaler）**的逆操作——但在这段代码中，既没有对y做缩放，也没有对y做任何其他转换，所以完全不需要逆变换步骤。

内容的提问来源于stack exchange，提问作者uditjain