全部。目前，我正在使用 1990 年人口普查作为数据集（与 Aurélien Géron 在他的书中使用的相同）在回归器中工作以预测房屋中值。

到目前为止，我最好的结果是训练集的得分约为 0.96，带有 bagging 回归器的测试集得分约为 0.80。这是我一直在做的事情：

precisao_treino = clf.score(dados_treino_feat,dados_treino_targ) #training score
precisao_valid = clf.score(dados_valid_feat,dados_valid_targ) #test score



(0.9698880465469455, 0.8087685894971024)

但这是我感到困惑的地方。非常高的训练分数表明我的模型可能存在过度拟合。但是，考试成绩却保持了相对较好的成绩。所以我不知道我的模型是否过拟合或预测是否良好。有人可以向我解释这是一个坏模型还是好模型？

这是我的最终数据集的样子，使用单热编码：

['longitude',
 'latitude',
 'housing_median_age',
 'total_rooms',
 'total_bedrooms',
 'population',
 'households',
 'median_income',
 'median_house_value',
 '<1H OCEAN',
 'INLAND',
 'ISLAND',
 'NEAR BAY',
 'NEAR OCEAN']

我去除异常值的解决方案：

df = df[(np.abs(zscore(df)) < 6).all(axis=1)]

我的模型：

clf = ensemble.BaggingRegressor(n_estimators=20)