【必備知識(shí)點(diǎn)：多項(xiàng)式回歸】未來發(fā)展的大趨勢(shì)人工智能 邏輯回歸算法你開始學(xué)習(xí)了嗎？
一、人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，三者的區(qū)別和聯(lián)系？
? ?機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。我們就用最簡(jiǎn)單的方法——同心圓，可視化地展現(xiàn)出它們?nèi)叩年P(guān)系。
一、多項(xiàng)式回歸是什么？
? ? 多項(xiàng)式回歸，回歸函數(shù)是回歸變量多項(xiàng)式的回歸。多項(xiàng)式回歸模型是線性回歸模型的一種，此時(shí)回歸函數(shù)關(guān)于回歸系數(shù)是線性的。由于任一函數(shù)都可以用多項(xiàng)式逼近，因此多項(xiàng)式回歸有著廣泛應(yīng)用。
?
使用多項(xiàng)式回歸的優(yōu)點(diǎn)：
1、廣泛的功能可以適應(yīng)它。
2、多項(xiàng)式基本上適合寬范圍的曲率。
3、多項(xiàng)式提供了依賴變量和自變量之間關(guān)系的最佳近似。
使用多項(xiàng)式回歸的缺點(diǎn)
1、這些對(duì)異常值過于敏感。
2、數(shù)據(jù)中存在一個(gè)或兩個(gè)異常值會(huì)嚴(yán)重影響非線性分析的結(jié)果。
3、此外，遺憾的是，用于檢測(cè)非線性回歸中的異常值的模型驗(yàn)證工具少于線性回歸。
?
二、升維（polynomial regression）
? ? 升維的目的是為了去解決欠擬合的問題的，也就是為了提高模型的準(zhǔn)確率為目的的，因?yàn)楫?dāng)維度不夠時(shí)，說白了就是對(duì)于預(yù)測(cè)結(jié)果考慮的因素少的話，肯定不能準(zhǔn)確的計(jì)算出模型。
舉個(gè)例子，我們看電影電視經(jīng)?？吹竭@樣的場(chǎng)景：
女主對(duì)男主說：“我不愛你了”，于是男主很傷心，以為女主真的不愛他了，其實(shí)女主得了絕癥，不想連累男主。
?
?
? ? ?多項(xiàng)式回歸不是一個(gè)新的回歸算法,只是特征預(yù)處理,只是做了一個(gè)升維變化,變成更高階，在算法不變的情況下，通過升維，把非線性變?yōu)榫€性。
? ? ?多項(xiàng)式回歸是升維的一種，它可以算是機(jī)器學(xué)習(xí)中的一種算法，不過和歸一化一樣一般算作數(shù)據(jù)預(yù)處理的手段，在sklearn模塊下它處于sklearn.preprocessing模塊下。它的目的就是將已有維度進(jìn)行相乘，包括自己和自己相乘，來組成二階的甚至更高階的維度
?
?
下節(jié)課：代碼實(shí)戰(zhàn)（多項(xiàng)式升維）
