我非常惊讶的是，没有人谈论这一点:用scikit learn完成的多项式回归与numpy的polyfit的区别。pd.DataFrame.from_dict(ydic)X_seq = np.linspace(X.min(),X.max(),300).reshape(-1,1) 然后让我们使用scikit learn创建模型 from sklearn.preprocessing import Po
浏览 16提问于2020-06-20得票数 1
这是我的问题场景：-我必须想出一个幂方程，作为频率的函数。该图与高阶多项式(第4次或第6次)非常吻合：
(这来自devices的趋势线中的零散图)频率(x轴)范围在固定的范围内，f_1到f_2，我有来自100的数据，不同的设备用于这种频率扫描。有了这个有限的数据集，什么是一个很好的ML模型来训练和推
浏览 0提问于2018-11-29得票数 1
下面是我在运行代码四次后获得的结果的一个简短示例。为什么这些产出之间存在着如此大的差异？我很困惑，非常感谢你的建议。Pwelch_spec>0)polynomial_coefficients = np.polyfit2.82962602-2.70137164 6.97117509-2.70137164 6.97117509
结果第四次尝
浏览 1提问于2020-06-25得票数 0
1回答
我需要实现最小二乘回归来拟合1-27次多项式.然后，我需要得到留出一次错误(k=n的交叉验证)。在进行了大量研究之后，获得LOO错误的最佳方法似乎是使用sklearn cross_val_score()。我的问题是，我不知道如何或是否可能使用回归模型。对于python和这些主题来说，这是一个新的主题，因此它的挑战性是原来的两倍。
浏览 0提问于2020-03-06得票数 0
1回答
用同样图绘制多项式回归图
、、、
我有一些代码片段，它们读取两个csvs并使用matplotlib.pyplot绘制它们，并在相同的两个csvs上执行多项式回归。我想要做的是在同一张图上绘制数据和多项式回归图。'Test graph ')plt.ylabel('y axis ')
我的第二段代码执行简单的</e
浏览 3提问于2013-10-04得票数 3
回答已采纳
2回答
演示过度拟合或欠拟合的理想算法
、、、、
当一个人试图查找概念，如过度拟合和欠拟合，最常见的东西弹出是多项式回归。为什么经常使用多项式回归来演示这些概念？这仅仅是因为它可以很容易地像这里的图表一样可视化吗？https://scikit-learn.org/stable/auto_实例/模型_选择/地块_下装_overfitting.html
但是，大多数的ml算法，如k均值聚类算法也可以使用。那么为什么通常只进行多项式回归</
浏览 0提问于2021-05-07得票数 1
回答已采纳
3回答
问题上下文我不知道如何使用该软件包拟合多项式曲线，而且似乎很少有明确的参考资料(我已经寻找了一段时间)。我见过，还有。一个好的解决方案应该是什么样子x = my_x_data.re
浏览 0提问于2015-09-19得票数 13
回答已采纳
scikit-learn是否提供了使用高斯核或多项式核执行回归的工具？我查看了API，但我没有看到任何API。有没有人在scikit-learn上构建了一个包来做到这一点？
浏览 0提问于2013-12-09得票数 9
回答已采纳
2回答
我用scikit学习多项式回归，并尝试解释系数。但不知何故，scikit没有格式化输出。所以看起来是这样的：如何将系数映射到创建位置的特征？
浏览 0提问于2016-03-12得票数 0
2回答
我已经安装了numpy 1.8 Orc1，.13 Ob1和scikit-learn 0.17.1。我使用pip安装sklearn(0.0)，但是当我尝试从sklearn流形导入时，我得到了以下内容：
追溯(最近一次调用)：文件""，第1行，文件"/Library/Python/2.7/site-packagesLibrary/Python/2.7/site-packages/sklearn/utils/init.py"
浏览 5提问于2016-08-03得票数 60
回答已采纳
3回答
学会使用GPU吗？
、、、、
阅读scikit的实现--在TensorFlow：和scikit中学习--学习：，我正在努力决定使用哪个实现。
与tensorflow实现相比，学习包含更少的样板。使用</
浏览 10提问于2017-01-10得票数 108
回答已采纳
1回答
我在Python中实现了梯度下降，使用MSE作为损失函数执行正则化多项式回归，但在线性数据上(以证明正则化的作用)。所以我的模型在表格下面：在我的损失函数中，R代表正则化项：让我们以L2-范数作为正则化，损失函数w.r.t的偏导数。妇女的情况如下：最后，使用恒定的学习速率更新了相关系数：问题是，我不能使它收敛，因为正则化是惩罚多项式的2次(w2)和1次
浏览 2提问于2019-12-27得票数 1
回答已采纳
3回答
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？
浏览 4提问于2015-07-14得票数 11
如何将logistic回归应用于连续有界(0<=y<=1)因变量的学习？如果在滑雪板上是不可能的，我能用什么库来做呢？
浏览 1提问于2019-09-11得票数 4
回答已采纳
我是机器学习的新手，愿意学习和使用机器学习。只是我仍然不能理解在某些情况下使用正态方程与梯度下降相比的好处。我在Coursera上使用了Andrew Ng的课程，但是这个符号真的让我很难理解。我想知道更多关于多项式回归的代价函数J(ō)的推导，以及他为什么使用向量x(i)转置的原因
浏览 7提问于2018-08-01得票数 1
1回答
有周期性发生的异常值。过滤这些异常值的最佳方法是什么？我想要一组数据，如第二张图片所示。在python中有没有一种不费力就能做到这一点的方法？如果不是，给出一个正确算法的提示将是很好的。目标：
浏览 0提问于2016-01-06得票数 0
我在想，如果我能像弱学习者一样在梯度提升中使用多项式回归，但我读到决策树是用来做这个的，我找不到其他弱学习者可以使用的可能性的东西。
浏览 0提问于2020-05-26得票数 2
有许多用于超参数优化的库是针对Keras或其他深度学习库(如金丝或塔罗斯 )的。我的问题是，与sklearn.model_selection.GridSearchCV()或sklearn.model_selection.RandomizedSearchCV相比，使用这些库的主要好处是什么
浏览 0提问于2018-07-22得票数 4
5回答
我想使用一个与scikit学习做一些NLP任务，这是可能的吗？如何将.arff文件与scikit-learn一起使用
浏览 10提问于2014-12-03得票数 11
回答已采纳
查看ML Engine的文档，似乎他们接受了Scikit学习模型的培训和预测服务。
是否可以训练与Mixins包装在一起的非Scikit学习模型，以转换为Scikit学习界面？
浏览 11提问于2018-08-10得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
