循环执行线性回归时accuracy列表值全部相同的修复方案咨询

看起来你遇到的问题是循环里每个迭代的结果都一模一样，这是因为代码里有几个关键的逻辑错误，我来帮你拆解并修复：

问题根源分析 #

• 覆盖原始数据集：循环中直接修改了原始的data变量，导致后续迭代都是基于前一个子集的数据，而非完整的原始数据。
• 未基于子集提取特征：全局定义的X和y指向的是整个数据集，没有针对每个商品子集重新提取特征与目标变量。
• 数据集划分逻辑错误：训练/测试集的切片操作是基于全局X，而非当前子集的特征数据，导致每次都用相同的数据计算。
• 变量名笔误：代码中使用了未定义的owner_cost，应该是real_cost。

修正后的代码 #

import numpy as np
from sklearn import linear_model

# 获取商品的唯一编码
codes = np.unique(data["cod_id"])
accuracy = []

# 循环遍历每个商品编码
for code in np.nditer(codes):
    # 提取当前商品的子集，注意不要覆盖原始data
    subset_data = data.loc[data["cod_id"] == code]
    # 从子集里提取特征与目标变量（线性回归要求X是二维数组）
    X_sub = subset_data['price'].values.reshape(-1, 1)
    y_sub = subset_data["quantity"]
    
    # 设置判断语句避免空数组，同时按80%训练集、20%测试集划分
    if len(subset_data) <= 2:
        # 数据量太少，直接用整个子集作为训练和测试（或根据需求跳过）
        X_train = X_sub
        y_train = y_sub
        X_test = X_sub
        y_test = y_sub
    else:
        t = int(0.8 * len(subset_data))
        # 基于当前子集划分训练/测试集
        X_train = X_sub[:t]
        y_train = y_sub[:t]
        X_test = X_sub[t:]
        y_test = y_sub[t:]
    
    # 运行线性回归算法
    lr = linear_model.LinearRegression()
    lr.fit(X_train, y_train)
    predicted_test_tr = lr.predict(X_test)
    
    # 计算预测成本与真实成本（X_test是二维数组，需要flatten转为一维）
    pred_cost = (X_test.flatten() * predicted_test_tr).sum()
    real_cost = (X_test.flatten() * y_test.values).sum()
    
    # 计算delta并加入列表（避免除以0的异常）
    if real_cost != 0:
        delta = (pred_cost - real_cost) / real_cost
        accuracy.append(delta)
    else:
        # 处理真实成本为0的特殊情况，可根据需求调整
        accuracy.append(np.nan)

额外说明 #

• 线性回归要求输入特征X为二维数组，所以用reshape(-1, 1)将一维的价格数据转换为符合要求的格式。
• 增加了real_cost != 0的判断，避免出现除以0的运行错误。
• 循环变量改用code替代i，提升代码可读性。

内容的提问来源于stack exchange，提问作者Alessandro Ceccarelli