dummyregressor 是用于建立回归任务基线的工具，通过忽略特征仅输出固定值（如均值、中位数等）来验证模型是否真正学习而非依赖数据分布；适用于初建模、检测数据泄露、评估特征工程及多目标基准对比。
DummyRegressor 不是用来替代真实模型的，而是用来确认你的模型真正在学习，而不是靠数据本身分布“蒙对”了。
什么时候该用 DummyRegressor？
当你刚拿到一个回归任务、还没训练任何模型时，先跑一个 DummyRegressor 是最便宜的 baseline。它不看特征，只按策略输出固定值（比如所有预测都等于训练集均值），帮你快速判断后续模型有没有提升空间。
- 验证数据泄露或评估流程是否合理：如果你的模型比
DummyRegressor还差，说明 pipeline 有问题 - 调试特征工程效果：改完特征后，对比新模型 vs
DummyRegressor的score()变化，比单纯看绝对分数更可靠 - 多目标或多输出回归中，每个目标单独建 dummy 基准，避免某维“拖后腿”影响整体判断
DummyRegressor 的几种策略怎么选？
策略由 strategy 参数控制，不同场景下推荐不同：
-
strategy="mean"：默认，输出训练标签的均值。适合标签分布较集中、无明显偏态的情况 -
strategy="median"：对异常值鲁棒，尤其当标签有长尾或离群点时，比"mean"更稳 -
strategy="quantile"：需配合quantile=0.5（等价于 median）或其它分位数；注意它只支持单输出，且quantile必须在 0–1 之间 -
strategy="constant"：必须指定constant参数，比如constant=42；常用于模拟业务规则兜底值，或做 A/B 测试对照组
别用 "most_frequent"——那是 DummyClassifier 的，DummyRegressor 不支持。
训练和评估时容易漏掉的关键点
DummyRegressor 看似简单，但实操中几个细节直接影响 baseline 可信度：
- 必须用
.fit(X_train, y_train)再调.predict(X_test)，不能跳过fit——它需要从y_train中计算统计量 -
score()返回的是 R² 分数，不是 MSE 或 MAE；想对比误差指标，得手动算：mean_squared_error(y_test, y_pred) - 如果用了交叉验证（如
cross_val_score），DummyRegressor每折都会重新基于当前 fold 的y_train计算均值/中位数，结果比全局 baseline 更保守，也更真实 - 特征
X在fit和predict时形状必须一致，哪怕它完全被忽略——传入空数组或全零矩阵会报ValueError: Found array with 0 sample(s)
一个最小可运行示例
不用抄完整项目，几行就能验证 baseline 是否生效：
from sklearn.dummy import DummyRegressor
from sklearn.metrics import r2_score
import numpy as np
<p>X_train, X_test = np.random.randn(100, 5), np.random.randn(20, 5)
y_train, y_test = np.random.randn(100), np.random.randn(20)</p><p>dummy = DummyRegressor(strategy="median")
dummy.fit(X_train, y_train) # 必须调用
y_pred = dummy.predict(X_test)</p><p>print("R²:", dummy.score(X_test, y_test)) # 输出接近 0，正常
print("MSE:", np.mean((y_test - y_pred) ** 2))</p>
注意 dummy.score() 的第二个参数是真实标签，不是预测值——这个顺序和 sklearn.metrics 函数相反，容易写反。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
