Machine Learning笔记——回归模型（三）

Polynomial regression多项式回归

这里我们沿用上一节的房价数据，对LSTAT（底层人口比例）和MEDV（房价）做回归分析（原因见Axes网格图），同时将多项式回归结果与简单线性回归效果作比较。其中关于多项式回归在https://blog.csdn.net/After__today/article/details/81352891中有介绍。

import os
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

os.chdir('C:/Users/Administrator/Desktop/jpynb/机器学习')
df = pd.read_csv('./data/housing.csv')
df.head()

# 载入数据
X = df[['LSTAT']].values
y = df['MEDV'].values

# 添加模型
pr = LinearRegression()
lr = LinearRegression()
# degree多项式的阶数
quadratic = PolynomialFeatures(degree=2)
# fit_transform对数据预处理，先调用fit()，后调用transform()
X_quad = quadratic.fit_transform(X)