sklearn 多项式回归
时间: 2023-10-02 21:07:24 浏览: 186
多项式回归是一种在线性回归的基础上引入多项式特征的方法。在sklearn中,可以使用PolynomialFeatures类来实现多项式特征的创建,然后使用线性回归模型进行拟合。
下面是一个使用sklearn进行多项式回归的示例代码:
```python
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import make_pipeline
import numpy as np
# 创建一些带有噪声的训练数据
np.random.seed(0)
X = 2 * np.pi * np.random.rand(100, 1)
y = np.sin(X) + 0.2 * np.random.randn(100, 1)
# 创建多项式特征
degree = 3 # 设置多项式的阶数
poly_features = PolynomialFeatures(degree=degree, include_bias=False)
X_poly = poly_features.fit_transform(X)
# 使用线性回归模型进行拟合
model = make_pipeline(PolynomialFeatures(degree), LinearRegression())
model.fit(X, y)
# 预测新的数据
X_test = np.linspace(0, 2 * np.pi, 100).reshape(-1, 1)
y_pred = model.predict(X_test)
```
在上面的代码中,首先使用`PolynomialFeatures`类将原始输入特征`X`转换为包含多项式特征的`X_poly`。然后使用`make_pipeline`函数创建一个包含多项式特征转换和线性回归模型的管道。最后,使用管道进行拟合和预测。
希望对你有帮助!如果还有其他问题,请继续提问。
阅读全文
相关推荐

















