【MachineLearning】之 多项式回归预测(实战)

本文通过scikit-learn使用世界麻疹疫苗接种率数据集,实践多项式回归预测。分析发现,2次多项式时MSE达到峰值,3次后虽下降但趋于平稳,故选择3次多项式作为最优模型,以平衡预测效果和过拟合风险。
摘要由CSDN通过智能技术生成
Topic:

尝试加载一个真实数据集,并使用 scikit-learn 构建预测模型,实现多项式回归预测
以世界麻疹疫苗接种率

基础篇详看:多项式回归


步骤:

  1. 加载数据集
  2. 定义训练和测试使用的自变量和因变量
  3. 建立线性回归模型
  4. 线性回归误差计算
  5. 多项式回归预测次数选择
MSE
# 1. 下载数据集
# !wget http://labfile.oss.aliyuncs.com/courses/1081/course-6-vaccine.csv

# 2. 用 Pandas 加载数据集
import pandas as pd

df = pd.read_csv("course-6-vaccine.csv", header=0)
df


# 3. 绘制图像
from matplotlib import pyplot as plt
# 从原数据集中分离出需要的数据集(DataFrame)
x = df['Year']
y = df['Values']
# 绘图
plt.plot(x, y, 'r')
plt.scatter(x, y)


多项式回归是一种回归分析方法,用于研究因变量与一个或多个自变量之间的多项式关系。在Python中,我们可以使用多项式回归来进行预测。首先,我们需要导入必要的库,如NumPy和Scikit-Learn。然后,我们可以使用Scikit-Learn的PolynomialFeatures类来创建多项式特征,将原始特征转换为多项式特征。接下来,我们可以使用线性回归模型来拟合多项式特征,并进行预测。以下是实现多项式回归预测的大致步骤: 1. 导入必要的库: ```python import numpy as np from sklearn.preprocessing import PolynomialFeatures from sklearn.linear_model import LinearRegression ``` 2. 创建特征矩阵: ```python # 假设我们有一个包含自变量的特征矩阵 X 和因变量的向量 y # X 的形状应为 (n_samples, n_features),y 的形状应为 (n_samples, ) X = ... y = ... ``` 3. 创建多项式特征: ```python # 创建 PolynomialFeatures 对象,并指定要转换的特征的最高次数 poly = PolynomialFeatures(degree=n) X_poly = poly.fit_transform(X) ``` 4. 拟合多项式回归模型: ```python # 创建线性回归模型对象 model = LinearRegression() # 使用多项式特征矩阵进行模型拟合 model.fit(X_poly, y) ``` 5. 进行预测: ```python # 预测新的样本数据 X_new = ... X_new_poly = poly.transform(X_new) y_pred = model.predict(X_new_poly) ``` 以上是使用Python实现多项式回归预测的基本步骤。通过创建多项式特征和拟合线性回归模型,我们可以根据给定的自变量预测因变量的值。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [挖掘建模②—分类与预测(python实现简单线性关系 多项式拟合/回归)](https://blog.csdn.net/qq_37746855/article/details/121732769)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [人工智能——多项式回归(Python)](https://blog.csdn.net/weixin_46039719/article/details/122354219)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值