拓端tecdat|Python中的多项式回归拟合非线性关系实例
文章目录
原文链接:http://tecdat.cn/?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
import matplotlib.pyplot as plt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
train_x = np.array(x)
train_y = np.array(y)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。

最受欢迎的见解
3.matlab中的偏最小二乘回归(PLSR)和主成分回归(PCR)
5.R语言回归中的Hosmer-Lemeshow拟合优度检验

评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论