多项式回归

2024-01-09 06:20:25

定义：使用多项式函数来拟合数据点，以预测因变量和自变量之间的关系。

基本形式如下：

f_{\vec{w},b}(x)=\sum_{i}^{n}w_{i}x^{i}+b

理解：

在了解了线性回归模型之后，我们会意识到数据集上的点有时使用曲线拟合效果会更好。我们可以选择使用多项式曲线进行拟合。

还是以房价的模型为例，假设数据集如下图中的点阵所示：我们提取的特征为占地大小x，则将大小的平方x^{2}设为第二个特征，大小的立方x^{3}设为第三个特征可以得到下图中框出的特征函数。当然，我们也可以选择使用平方根的方式。

?

Scikit-learn库

Scikit-learn是一个用于机器学习的Python库，它提供了各种工具和算法，用于数据挖掘和数据分析。Scikit-learn包含了许多常用的机器学习算法，包括分类、回归、聚类、降维、模型选择和预处理等功能。

学习地址：scikit-learn中文社区

文章来源:https://blog.csdn.net/m0_65995252/article/details/135469515
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。