今天就跟大家聊聊有关使用Python怎么实现多项式回归,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
Python可以做什么
Python是一种编程语言,内置了许多有效的工具,Python几乎无所不能,该语言通俗易懂,容易入门,功能强大,在许多领域中都有广泛的应用,例如最热门的大数据分析,人工智能,网页开发等。
<强>为什么多项式回归:强>
- <李>
研究人员假设的某些关系是曲线的。显然,这种类型的案例将包括多项式项。
李> <李>检查残差。如果我们尝试将线性模型拟合到曲线数据,则预测变量(X轴)上的残差(Y轴)的散点图将在中间具有许多正残差的斑块。因此,在这种情况下,这是不合适的。
李> <李>通常的多元线性回归分析的假设是所有自变量都是独立的。在多项式回归模型中,不满足该假设。
李><强>多项式回归的使用:强>
这些基本上用于定义或描述非线性现象,例如:
- <李>
组织生长速度。
李> <李>疾病流行病的进展
李> <李>湖泊沉积物中碳同位素的分布
回归分析的基本目标是根据自变量X的值来模拟因变量Y的期望值。在简单回归中,我们使用以下等式Y=a + bx + e
这里Y是因变量,一个是Y轴截距,b是斜率,e是误差率。
在许多情况下,这种线性模型将无法解决,例如,如果我们在这种情况下根据合成温度分析化学合成的产生,我们使用二次模型Y=a + b1x + b2 ^ 2 + e
这里Y是X的因变量,一个是Y轴截距,e是误差率。
通常,我们可以将其建模为第n个值.y=a + b1x + b2x ^ 2 + ....+ bnx ^ n
由于回归函数在未知变量方面是线性的,因此这些模型从估计的角度来看是线性的。
因此,通过最小二乘技术,让我们计算y的响应值。
<强> Python中的多项式回归:强>
要获得用于分析多项式回归的数据集,请单击此处。
<强>步骤1:导入库和数据集强>
导入重要的库和我们用于执行多项式回归的数据集。
#, Importing 从而libraries import numpy  as np import matplotlib.pyplot  as plt import pandas  as pd #,Importing 从而,dataset 时间=datas pd.read_csv (& # 39; data.csv& # 39;), 数据
<强>第2步:将数据集分为2个组件强>
将数据集划分为两个组件,即X和y将包含1到2之间的列。y将包含2列。
X =, datas.iloc[1:2]:也.values 时间=y datas.iloc (:,, 2)。值
<强>第3步:将线性回归拟合到数据集强>
拟合线性回归模型在两个组件上。
#, Fitting Linear Regression 用,dataset 得到sklearn.linear_model import  LinearRegression 时间=lin LinearRegression (), lin.fit (X, y)
<强>第4步:将多项式回归拟合到数据集强>
将多项式回归模型拟合到两个分量X和y上。
#, Fitting Polynomial Regression 用,dataset 得到sklearn.preprocessing import  PolynomialFeatures 时间=poly PolynomialFeatures (=degree 4), 时间=X_poly poly.fit_transform (X), poly.fit (X_poly, y), 时间=lin2 LinearRegression (), lin2.fit (X_poly, y)
<强>步骤5:在此步骤中,我们使用散点图可视化线性回归结果。强>
#, Visualising 从而Linear Regression results plt.scatter (X, y,, color =, & # 39;蓝# 39;), plt.plot (X,, lin.predict (X), color =, & # 39;红色# 39;), plt.title (& # 39; Linear 回归# 39;), plt.xlabel(& # 39;温度# 39;), plt.ylabel(& # 39;压力# 39;), plt.show ()
<强>步骤6:使用散点图可视化多项式回归结果。强>
#, Visualising 从而Polynomial Regression results plt.scatter (X, y,, color =, & # 39;蓝# 39;), plt.plot (X,, lin2.predict (poly.fit_transform (X)),, color =, & # 39;红色# 39;), plt.title (& # 39; Polynomial 回归# 39;), plt.xlabel(& # 39;温度# 39;), plt.ylabel(& # 39;压力# 39;), plt.show ()使用Python怎么实现多项式回归