了解线性回归模型中的粗糙性

清理性是衡量模型消除数据噪声能力的指标。它被定义为残差方差（预测值与实际值之间的差）与原始数据方差的比率。较高的净化度值表明模型在消除噪声方面效果更好，而较低的净化度值表明模型噪声更大。

在您的例子中，您正在使用线性回归模型根据房屋的特征来预测房屋的价格。模型的擦洗性可以计算如下：

擦洗性 = (残差方差) / (原始数据方差)

其中残差方差是预测价格与实际价格之间的平方差的平均值，方差是原始数据的方差是每个特征与其均值之间的平方差的平均值。

例如，如果残差的方差为100，原始数据的方差为1000，则模型的擦洗性为：

擦洗性= (100) / (1000) = 0.1

这意味着模型只能从数据中去除 10% 的噪声，并且预测中仍然存在大量噪声。

重要的是要注意，擦洗性并不衡量模型准确性的指标，而是衡量模型消除数据噪声能力的指标。如果高精度模型对数据中的噪声高度敏感，则其净化性可能仍然较低。