使用python的多项式回归
使用python的多项式回归
提问于 2015-07-14 20:44:50
据我所知，多项式回归是回归分析的一种特殊类型，它比线性回归更复杂。有没有可以做到这一点的python模块？我在matplotlib、scikit和numpy中查找过，但只能找到线性回归分析。
并且可以计算出非线性直线的相关系数？
回答 3
Stack Overflow用户
发布于 2015-07-14 20:53:22
你有没有看过NumPy的polyfit？参见reference。
从他们的例子中：
>>> import numpy as np
>>> x = np.array([0.0, 1.0, 2.0, 3.0, 4.0, 5.0])
>>> y = np.array([0.0, 0.8, 0.9, 0.1, -0.8, -1.0])
>>> z = np.polyfit(x, y, 3)
>>> z
[ 0.08703704 -0.81349206 1.69312169 -0.03968254]Stack Overflow用户
发布于 2015-07-14 20:52:13
scikit支持线性和多项式回归。
查看Generalized Linear Models页面上的多项式回归:使用基函数扩展线性模型一节。
示例：
>>> from sklearn.preprocessing import PolynomialFeatures
>>> import numpy as np
>>> X = np.arange(6).reshape(3, 2)
>>> X
array([[0, 1],
[2, 3],
[4, 5]])
>>> poly = PolynomialFeatures(degree=2)
>>> poly.fit_transform(X)
array([[ 1, 0, 1, 0, 0, 1],
[ 1, 2, 3, 4, 6, 9],
[ 1, 4, 5, 16, 20, 25]])X的功能已经从[x_1, x_2]转换到[1, x_1, x_2, x_1^2, x_1 x_2, x_2^2]，现在可以在任何线性模型中使用。
这类预处理可以使用Pipeline工具来简化。可以创建表示简单多项式回归的单个对象，并按如下方式使用：
>>> from sklearn.preprocessing import PolynomialFeatures
>>> from sklearn.linear_model import LinearRegression
>>> from sklearn.pipeline import Pipeline
>>> model = Pipeline([('poly', PolynomialFeatures(degree=3)),
... ('linear', LinearRegression(fit_intercept=False))])
>>> # fit to an order-3 polynomial data
>>> x = np.arange(5)
>>> y = 3 - 2 * x + x ** 2 - x ** 3
>>> model = model.fit(x[:, np.newaxis], y)
>>> model.named_steps['linear'].coef_
array([ 3., -2., 1., -1.])基于多项式特征训练的线性模型能够准确地恢复输入的多项式系数。
在某些情况下，没有必要包含任何单一功能的更高能力，而只需要包含所谓的交互功能，这些功能最多可以相乘d个不同的功能。这些可以通过设置interaction_only=True从PolynomialFeatures获取。
Stack Overflow用户
发布于 2018-06-18 18:26:09
您可以首先使用sklearn中的PolynomialFeatures创建多项式特征，然后再使用线性模型。
下面的函数可以用于训练模型的预测。
from sklearn import linear_model
from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(degree=2)
lm_polyfeats = linear_model.LinearRegression()
lm_polyfeats.fit(poly.fit_transform(array2D),targetArray)
def LM_polynomialFeatures_2Darray(lm_polyfeats,array2D):
array2D=poly.fit_transform(array2D)
return(lm.predict(array2D))
p=LM_polynomialFeatures_2Darray(lm_polyfeats,array2D)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/31406975
复制相关文章
相似问题
腾讯云开发者
