决策树回归模型测试与预测y值绘图异常问题咨询

绘图异常（x轴范围不一致）的核心问题 #

这和模型性能完全没关系，就是绘图代码逻辑错了，常见坑点：

• 绘图时x轴用了样本索引而非真实y值：比如你写plt.plot(y_pred, y_test)，默认x轴是数组的索引，不是真实的y_true，自然范围对不上。正确的做法是把x轴设为真实目标值，y轴设为预测值，代码示例：

  plt.scatter(y_test, y_pred)
  plt.xlabel("真实y值")
  plt.ylabel("预测y值")
  plt.plot([y_test.min(), y_test.max()], [y_test.min(), y_test.max()], 'r--') # 加一条参考线，方便看拟合程度
  

• 误把某个特征列当成了x轴：比如不小心用了输入特征代替y_true来画x轴，导致范围和预测值不匹配。
• 绘图前对数据做了排序/过滤：比如只取了部分样本，或者排序后样本索引错位，导致x轴范围偏离真实y值区间。

单维度拟合得分下降的原因 #

16维特征能提供的信息远多于单维度，决策树回归的拟合能力依赖特征的分裂价值——原数据里目标变量是多个特征共同作用的结果，单维度特征根本没法捕捉这种复杂关系，得分下降是完全正常的，和绘图问题没有关联。

快速排查步骤 #

1. 先查绘图代码：打印y_test和y_pred的最小值、最大值，r2=0.97的话，两者数值范围应该高度重合，确认后把x轴数据源改成y_test。
2. 验证样本对应性：确保绘图用的y_test和y_pred是同一批测试样本的结果，没有出现训练测试划分时的索引错位问题。

内容的提问来源于stack exchange，提问作者Nazanin