2023學年完整公開課版多項式回歸_第1頁
2023學年完整公開課版多項式回歸_第2頁
2023學年完整公開課版多項式回歸_第3頁
2023學年完整公開課版多項式回歸_第4頁
2023學年完整公開課版多項式回歸_第5頁
已閱讀5頁，還剩2頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領

文檔簡介

主講：某某某簡介考慮下面的數(shù)據(jù)，雖然我們可以使用線性回歸來擬合這些數(shù)據(jù)，但是這些數(shù)據(jù)更像是一條二次曲線,相應的方程是y=ax2+bx+c,這是式子雖然可以理解為二次方程，但是我們呢可以從另外一個角度來理解這個式子：如果將x2理解為一個特征，將x理解為另外一個特征,換句話說，本來我們的樣本只有一個特征x，現(xiàn)在我們把他看成有兩個特征的一個數(shù)據(jù)集。多了一個特征x2，那么從這個角度來看，這個式子依舊是一個線性回歸的式子，但是從x的角度來看，他就是一個二次的方程編程實現(xiàn)-模擬數(shù)據(jù)集importnumpyasnpimportmatplotlib.pyplotasplt

x=np.random.uniform(-3,3,size=100)X=x.reshape(-1,1)#一元二次方程y=0.5*x**2+x+2+np.random.normal(0,1,size=100)

plt.scatter(x,y)編程實現(xiàn)-線性回歸擬合fromsklearn.linear_modelimportLinearRegression

lin_reg=LinearRegression()lin_reg.fit(X,y)y_predict=lin_reg.predict(X)

plt.scatter(x,y)很明顯，我們用一跟直線來擬合一根有弧度的曲線，效果是不好的。編程實現(xiàn)-添加特征原來所有的數(shù)據(jù)都在X中，現(xiàn)在對X中每一個數(shù)據(jù)都進行平方，再將得到的數(shù)據(jù)集與原數(shù)據(jù)集進行拼接，再用新的數(shù)據(jù)集進行線性回歸。X2=np.hstack([X,X**2])lin_reg2=LinearRegression()lin_reg2.fit(X2,y)y_predict2=lin_reg2.predict(X2)

plt.scatter(x,y)#由于x是亂的，所以應該進行排序plt.plot(np.sort(x),y_predict2[np.argsort(x)],color='r')總結(jié)多線性回歸在機器學習算法上并沒有新的地方，完全是使用線性回歸的思路。

它的關(guān)鍵在于為原來的樣本，添加新的特征。而我

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論