Python 残差估计

我有这样一句话：

attribute_est = Pipeline([
     ('jsdf', DictVectorizer()),
     ('clf', Ridge())
    ])

我在其中传递数据，如：

{
  'Master_card' : 1,
  'Credit_Cards': 1,
  'casual_ambiance': 0,
  'Classy_People': 0
}

我的模型不能很好地预测这一点。现在有人向我求婚：

你可能会发现很难找到一个好的回归者 足够地常用的解决方案是使用线性模型来拟合线性模型 部分数据，并使用非线性模型拟合残差表示 线性模型不能拟合。建立一个残差估计器，将 另外两个估计量的一个论点。它应该使用第一个来适应 原始数据和第二个数据拟合第一个数据的残差

残差估计是什么意思？你能给我举个例子吗？

A是真实数据值与某些估计器预测值之间的误差。最简单的例子是线性回归，其中残差是某些数据的最佳线性拟合与实际数据点之间的距离。直线的最小二乘拟合使这些平方残差之和最小化

您得到的建议建议建议使用两个估计器。第一个将适合数据本身。在线性回归的情况下，这是一个最小二乘线性拟合，可能使用类似的方法

然后，第二个估计器将尝试拟合残差，即数据的线性拟合与实际数据点之间的差值。在最小二乘法的情况下，这是有效地去趋势化数据，然后拟合剩余的数据。您可能会选择这是一个高斯，在这种情况下，您期望的数据实际上是一条加性高斯噪声线。但是如果你知道一些基本的噪声分布，那么就用它作为你的第二个估计器