原文链接:http:///?p=23104多项式回归是独立x变量和因果y变量之间的非线性关系。当我们分析有一些弯曲的波动数据时,拟合这种类型的回归是必不可少的。在这篇文章中,我们将学习如何用多项式回归数据拟合曲线并在Python中绘制。我们在本教程中使用NumPy和matplotlib库。 我们将首先加载本教程所需的模块。 import numpy as np 我们需要测试数据,我们可以按下图所示生成。你也可以使用你自己的数据集。 n = 250 # 元素数 我们将通过创建一个散点图来直观地检查x数据。 plt.scatter(train\_x, train\_y) 接下来,我们将用PolymonialFeatures类定义多项式模型,在训练数据上进行拟合。 fit\_transform(train\_x.reshape(-1, 1)) 我们需要一个线性模型,我们将定义它并在训练数据上拟合。然后我们用这个模型来预测x数据。 liniearModel.fit(xpol, train_y\[:,\]) 最后,我们将绘制出拟合的曲线。 plt.plot(train_x, polyfit, color = 'red') 在这篇文章中,我们已经简单地了解了如何在Python中拟合多项式回归数据。 |
|