对于在 python 中使用 sklearn 实现的多项式回归代码
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
import pandas as pd
m=100
X=6*np.random.rand(m,1)-3
y=0.5*X**3+X+2+np.random.rand(m,1)
poly_features=PolynomialFeatures(3)
X_poly=poly_features.fit_transform(X)
lin_reg=LinearRegression()
X_new=[[0],[3]]
lin_reg.fit(X_poly,y)
plt.plot(X,y,"b.")
plt.plot(X, lin_reg.predict(poly_features.fit_transform(X)), "r-")
plt.show()
输出显示为
但我想得到一条平滑的预测线。如何获得？
最佳答案
问题是 X 数组未排序。因此，当您使用线 -r 绘制数据时，它会按照未排序的 X 数据点的顺序连接数据点。因此，您会看到一个随机的线路网络。对于带有标记的绘图来说，顺序并不重要，因为您只是绘制没有线条的点。
解决方案是对 X 数据进行排序，并将排序后的 X 数据传递给绘图命令，并相应地传递给 fit_transform。
shape = X.shape
X = np.sort(X.flatten())
plt.plot(X, lin_reg.predict(poly_features.fit_transform(X.reshape((shape)))), "r-", lw=2)
关于python - 我在 sklearn 中没有顺利得到多项式回归，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54160912/