原文鏈接：http://tecdat.cn/?p=23104?

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

多項(xiàng)式回歸是獨(dú)立x變量和因果y變量之間的非線(xiàn)性關(guān)系。當(dāng)我們分析有一些彎曲的波動(dòng)數(shù)據(jù)時(shí)，擬合這種類(lèi)型的回歸是必不可少的。在這篇文章中，我們將學(xué)習(xí)如何用多項(xiàng)式回歸數(shù)據(jù)擬合曲線(xiàn)并在Python中繪制。我們?cè)诒窘坛讨惺褂肗umPy和matplotlib庫(kù)。

我們將首先加載本教程所需的模塊。

1. import numpy as np

2. import matplotlib.pyplot as plt

我們需要測(cè)試數(shù)據(jù)，我們可以按下圖所示生成。你也可以使用你自己的數(shù)據(jù)集。
?

1. n = 250 ? ? ? ? # 元素?cái)?shù)

2. 


3. train_x = np.array(x)

4. train_y = np.array(y)

我們將通過(guò)創(chuàng)建一個(gè)散點(diǎn)圖來(lái)直觀地檢查x數(shù)據(jù)。

plt.scatter(train_x, train_y)

?

接下來(lái)，我們將用PolymonialFeatures類(lèi)定義多項(xiàng)式模型，在訓(xùn)練數(shù)據(jù)上進(jìn)行擬合。?

fit_transform(train_x.reshape(-1, 1))

我們需要一個(gè)線(xiàn)性模型，我們將定義它并在訓(xùn)練數(shù)據(jù)上擬合。然后我們用這個(gè)模型來(lái)預(yù)測(cè)x數(shù)據(jù)。
?

liniearModel.fit(xpol, train_y[:,])

最后，我們將繪制出擬合的曲線(xiàn)。?

plt.plot(train_x, polyfit, color = 'red')

在這篇文章中，我們已經(jīng)簡(jiǎn)單地了解了如何在Python中擬合多項(xiàng)式回歸數(shù)據(jù)。

最受歡迎的見(jiàn)解

1.R語(yǔ)言多元Logistic邏輯回歸 應(yīng)用案例

2.面板平滑轉(zhuǎn)移回歸(PSTR)分析案例實(shí)現(xiàn)

3.matlab中的偏最小二乘回歸（PLSR）和主成分回歸（PCR）

4.R語(yǔ)言泊松Poisson回歸模型分析案例

5.R語(yǔ)言回歸中的Hosmer-Lemeshow擬合優(yōu)度檢驗(yàn)

6.r語(yǔ)言中對(duì)LASSO回歸，Ridge嶺回歸和Elastic Net模型實(shí)現(xiàn)

7.在R語(yǔ)言中實(shí)現(xiàn)Logistic邏輯回歸

8.python用線(xiàn)性回歸預(yù)測(cè)股票價(jià)格

9.R語(yǔ)言如何在生存分析與Cox回歸中計(jì)算IDI，NRI指標(biāo)