python线性回归欠拟合与过拟合处理

最新推荐文章于 2023-09-11 09:44:26 发布

Arwen_H

最新推荐文章于 2023-09-11 09:44:26 发布

阅读量1.7k

点赞数 2

分类专栏： python—数据分析学习python数据分析文章标签：欠拟合过拟合线性回归

本文链接：https://blog.csdn.net/Arwen_H/article/details/84306856

版权

本文探讨了线性回归在实际业务中遇到的欠拟合和过拟合问题，指出可以通过引入多项式特征来改善线性回归对非线性函数的拟合。以高斯分布的线性回归为例，当degree为1时出现欠拟合，degree为10时则出现过拟合。进一步，文章通过房价与房屋面积的数据进行实例验证。

摘要由CSDN通过智能技术生成

线性回归欠拟合与过拟合的情况再实际业务中会非常普遍，这时我们需要用到多项式特征的线性回归来逼近非线性函数。如下图我们看degree不同角度下的拟合情况：当角度为1的时候（高斯分布的线性回归）出现欠拟合的情况，当角度为10的时候出现过拟合的情况。
在这里插入图片描述
接这用房价与房屋面积这组数据来验证

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

data=pd.DataFrame({
   'square_feet':[150,200,230,255,260,340,700,720,790,850,900,950,1000],
                   'price':[5450,6850,8750,9650,10450,13450<