残差图中漏斗形→异方差，U/倒U形→欠拟合缺非线性项，斜线→系统偏差或变量遗漏，边缘离群点→异常值；需用statsmodels检验正态性与自相关，改进应基于残差形态而非仅提升R²。
残差图怎么看：哪些形状说明模型有问题
残差图（residuals vs. fitted）不是用来“看热闹”的，关键看散点是否随机分布在水平线 y=0 附近。如果出现明显模式，基本能定位问题类型：
- 漏斗形（残差随拟合值增大而发散）→ 异方差性，
LinearRegression的标准误失效，predict()区间不可靠 - U形或倒U形曲线 → 模型欠拟合，很可能缺非线性项（比如没加
x**2或np.log(x)） - 斜线趋势（残差系统性上升/下降）→ 模型存在系统性偏差，可能是关键变量遗漏，或目标变量需变换（如用
np.log(y)替代原始y） - 边缘聚集大量离群残差点 → 数据中存在强异常值，
RANSACRegressor或TheilSenRegressor比LinearRegression更鲁棒
用 statsmodels 快速检验残差正态性与自相关
sklearn 不提供残差诊断统计量，必须切到 statsmodels。重点不是“是否严格正态”，而是判断是否严重偏离——影响置信区间和假设检验可靠性。
核心检查项：
-
sm.stats.diagnostic.acorr_ljungbox(resid, lags=1)：返回p-value，若 ARIMA 或加入滞后特征） -
sm.stats.stattools.adfuller(resid)：检验残差是否平稳，p-value > 0.05表示非平稳，原始模型可能伪回归 -
sm.stats.diagnostic.kstest_normal(resid)：比直方图更定量，但对样本量敏感；小样本下优先看 Q-Q 图（sm.qqplot(resid)）
注意：resid 必须是训练集上的残差，且未中心化（即用 y_train - model.predict(X_train)），否则检验失效。
立即学习“Python免费学习笔记（深入）”；
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
改进模型时别只盯着 R²：先看残差分布再选方法
R² 提高不等于预测更稳。当残差呈现异方差或厚尾时，应切换损失函数或模型结构：
- 残差绝对值大时波动剧烈 → 改用
HuberRegressor(loss='huber', epsilon=1.35)，比LinearRegression对离群点鲁棒 - 残差明显右偏（正残差远多于负残差）→ 尝试分位数回归：
QuantileRegressor(quantile=0.5)（中位数回归），不依赖正态假设 - 残差在低拟合值区域过小、高拟合值区域过大 → 用
TransformedTargetRegressor(transformer=PowerTransformer(), regressor=LinearRegression())自动对y做幂变换 - 残差存在局部结构（如周期性起伏）→ 不要硬加高阶多项式，先用
SHAP或partial_dependence查看特征边际效应，确认是否该引入分段变量或交互项
验证改进是否真实有效：用残差重采样做稳健评估
常规的 train/test split 容易掩盖残差结构问题。尤其当测试集残差恰好“看起来很随机”时，可能只是偶然。
更可靠的做法：
- 对训练残差做 bootstrap 重采样（
np.random.choice(resid_train, size=len(resid_train), replace=True)），加到预测值上生成新 y，再重新拟合模型，观察 R² 和 MAE 的分布宽度 —— 若 MAE 标准差 > 0.1×均值，说明原始模型稳定性差 - 用
sklearn.model_selection.RepeatedKFold(n_splits=5, n_repeats=3)而非单次分割，观察各折残差图形态是否一致；若某折总出现 U 形，说明模型对特定数据子集敏感 - 保存每折的残差向量，做聚类（如
DBSCAN）看是否存在稳定残差模式簇 —— 这往往对应未被捕捉的子群体（例如某类用户、某时间段）
真正难的不是画出残差图，而是把残差的形状语言翻译成模型结构动作。同一张图，有人看到“需要加个平方项”，有人只看到“R²还行”。这种翻译能力来自反复对照残差形态与改动之间的因果反馈，没有捷径。
