我正在处理有关投票行为的数据集。我必须进行OLS回归来估计分歧对流产的影响。这是我第一次玩数据。我有两个因变量。我正在使用scikit学习线性回归模型。

运行模型后，我得到： 系数值：0.118221，0.330132

实际值：32105、34157、44165、13890、53047、0.140918

预测值：0.47105，1.037624、0.471050、0.919403

平均绝对错误：0.5163281569302932

均方误差：0.47136062479402246

均方根误差：0.6865570805068013

Idk（如果这些值正确）。如何知道这些值是否正确？如果不正确，应该更改哪些参数？

以下是我的代码：

X = df[['Deviation from Partisanship','Democrat']] 
Y = df['Disagreement with Party on Social Issues']
X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size=0.2,random_state=0)
regressor = LinearRegression()  
regressor.fit(X_train,y_train)
coeff_df = pd.DataFrame(regressor.coef_,X.columns,columns=['Coefficient']) 
y_pred = regressor.predict(X_test)
df1 = pd.DataFrame({'actual': y_test,'Predicted': y_pred})
df1.head()
print('Mean Absolute Error:',metrics.mean_absolute_error(y_test,y_pred))  
print('Mean Squared Error:',metrics.mean_squared_error(y_test,y_pred))  
print('Root Mean Squared Error:',np.sqrt(metrics.mean_squared_error(y_test,y_pred)))