机器学习 -- 多项式回归（Ⅰ 什么是多项式回归）

        之前的线性回归具有很大的局限性，它假设我们数据背后存在线性关系，然而实际上更多数据间存在的关系是非线性的。多项式回归方法可以通过非常简单的手段改进线性回归法，使得他们能对非线性数据进行预测。

        以上这样的方式，就是所谓的多项式回归。相当于我们为样本多添加了一些特征，这些特征是原来样本的多项式项，增加了这些特征之后，我们可以使用线性回归的思路更好的我们的数据。

 

编程实现

（1）导入需要的数据集：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.uniform(-3, 3, size=100)
X = x.reshape(-1, 1)
# 一元二次方程
y = 0.5 * x ** 2 + x + 2 + np.random.normal(0, 1, size=100)

plt.scatter(x,y)
plt.show()

图像如图：

（2）使用线性回归进行拟合：