拓端tecdat|Python中的多项式回归拟合非线性关系实例

原文链接：http://tecdat.cn/?p=23104 

原文出处：拓端数据部落公众号

多项式回归是独立x变量和因果y变量之间的非线性关系。当我们分析有一些弯曲的波动数据时，拟合这种类型的回归是必不可少的。在这篇文章中，我们将学习如何用多项式回归数据拟合曲线并在Python中绘制。我们在本教程中使用NumPy和matplotlib库。

我们将首先加载本教程所需的模块。

1.  
   import numpy as np
2.  
   import matplotlib.pyplot as plt

我们需要测试数据，我们可以按下图所示生成。你也可以使用你自己的数据集。
 

1.  
   n = 250 # 元素数
2.  
    
3.  
   train_x = np.array(x)
4.  
   train_y = np.array(y)

我们将通过创建一个散点图来直观地检查x数据。

plt.scatter(train_x, train_y)

 

接下来，我们将用PolymonialFeatures类定义多项式模型，在训练数据上进行拟合。 

fit_transform(train_x.reshape(-1, 1))

我们需要一个线性模型，我们将定义它并在训练数据上拟合。然后我们用这个模型来预测x数据。
 

liniearModel.fit(xpol, train_y[:,])

最后，我们将绘制出拟合的曲线。 

plt.plot(train_x, polyfit, color = 'red')

在这篇文章中，我们已经简单地了解了如何在Python中拟合多项式回归数据。

---

最受欢迎的见解

1.R语言多元Logistic逻辑回归 应用案例

2.面板平滑转移回归(PSTR)分析案例实现

3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

4.R语言泊松Poisson回归模型分析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度检验

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标