【MachineLearning】之多项式回归预测（实战）

最新推荐文章于 2024-07-24 22:26:34 发布

fanfan4569

最新推荐文章于 2024-07-24 22:26:34 发布

阅读量6.1k

点赞数 2

分类专栏：【MachineLearning】文章标签：多项式回归预测 MSE

本文链接：https://blog.csdn.net/fanfan4569/article/details/81291712

版权

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：

加载数据集
定义训练和测试使用的自变量和因变量
建立线性回归模型
线性回归误差计算
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)