sklearn实战：使用线性回归算法拟合正弦函数

最新推荐文章于 2024-08-22 14:55:05 发布

Douhh_sisy

最新推荐文章于 2024-08-22 14:55:05 发布

阅读量5.1k

点赞数

分类专栏：机器学习 scikit-learn 文章标签： sklearn

本文链接：https://blog.csdn.net/Douhh_sisy/article/details/80605144

版权

本文介绍了如何利用sklearn的PolynomialFeatures进行特征构造，通过设置degree、interaction_only和include_bias参数来构建多项式模型。文中提到，Pipeline用于串联多个转换和模型，适合在不同参数配置下进行交叉验证，可以通过特定格式调整各步骤参数。随着多项式阶数增加，模型在训练集上的拟合效果通常会提升。

摘要由CSDN通过智能技术生成

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

n_dots = 200

X = np.linspace(-2 * np.pi, 2 * np.pi, n_dots)
Y = np.sin(X) + 0.2 * np.random.rand(n_dots) - 0.1
X = X.reshape(-1, 1)
Y = Y.reshape(-1, 1)

使用sklearn.preprocessing.PolynomialFeatures来进行特征的构造。

它是使用多项式的方法来进行的，如果有a，b两个特征，那么它的2次多项式为（1,a,b,a^2,ab, b^2）。

Polyn