【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)


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