问用少量行的数据创建ML模型

EN

我有一个50行的dataframe (每个美国州有一行)，以及大约20个具有不同属性和状态相关数据的列。我希望建立一个线性回归模型来预测疾病的流行，考虑到不同状态的属性和发病率。

例如，预测变量是抑郁流行率，而我用来预测的变量是每年晴天数和平均年降水量。假设1州有18%的抑郁率，每年有200个晴天，每年有10英寸的降水量。状态2有8%的抑郁率，每年300天的晴天和3英寸的年降水量等。如果趋势是晴天多，降水少与低抑郁发生率相关，我会用晴天数和降水英寸来预测抑郁症的患病率。

我拥有的唯一数据是每个州，但我正在使用与状态相关的数据：( a)查看与天气和心理健康的相关性；( b)根据天气特征预测疾病的发病率。

我对机器学习和建模非常陌生，我不确定为这么少的行创建一个培训/测试集是否会提供准确的结果。我想做的事会有用吗？做这件事最好的方法是什么？任何帮助都将不胜感激！

用我的尝试，我的线性回归模型看起来不太准确(但我可能只是在构建错误的模型)。