Python多项式回归的实现方法
136 浏览量
2020-09-19
13:13:03
上传
评论 1
收藏 89KB PDF 举报
Python多项式回归的实现方法多项式回归的实现方法
主要介绍了Python多项式回归的实现方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟
随小编过来看看吧
多项式回归是一种线性回归形式，其中自变量x和因变量y之间的关系被建模为n次多项式。多项式回归拟合x的值与y的相应条
件均值之间的非线性关系，表示为E（y | x）
为什么多项式回归：为什么多项式回归：
研究人员假设的某些关系是曲线的。显然，这种类型的案例将包括多项式项。
检查残差。如果我们尝试将线性模型拟合到曲线数据，则预测变量（X轴）上的残差（Y轴）的散点图将在中间具有许多
正残差的斑块。因此，在这种情况下，这是不合适的。
通常的多元线性回归分析的假设是所有自变量都是独立的。在多项式回归模型中，不满足该假设。
多项式回归的使用：多项式回归的使用：
这些基本上用于定义或描述非线性现象，例如：
组织生长速度。
疾病流行病的进展
湖泊沉积物中碳同位素的分布
回归分析的基本目标是根据自变量x的值来模拟因变量y的期望值。在简单回归中，我们使用以下等式 y = a + bx + e
这里y是因变量，a是y截距，b是斜率，e是误差率。
在许多情况下，这种线性模型将无法解决。例如，如果我们在这种情况下根据合成温度分析化学合成的产生，我们使用二次模
型y = a + b1x + b2 ^ 2 + e
这里y是x的因变量，a是y截距，e是误差率。
通常，我们可以将其建模为第n个值。y = a + b1x + b2x ^ 2 + .... + bnx ^ n
由于回归函数在未知变量方面是线性的，因此这些模型从估计的角度来看是线性的。
因此，通过最小二乘技术，让我们计算y的响应值。
Python中的多项式回归中的多项式回归:
要获得用于分析多项式回归的数据集，请单击此处。
步骤步骤1：导入库和数据集：导入库和数据集
导入重要的库和我们用于执行多项式回归的数据集。
# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
datas = pd.read_csv('data.csv')
datas
第第2步：将数据集分为步：将数据集分为2个组件个组件
将数据集划分为两个组件，即X和yX将包含1到2之间的列.y将包含2列。
X = datas.iloc[:, 1:2].values
y = datas.iloc[:, 2].values
资源评论
