本文探讨了在非线性回归中通过数据升维处理，将高次项视为新特征，与线性回归的区别，以及与主成分分析的降维策略相对比。此外，介绍了如何使用管道操作（Pipeline）在预处理阶段统一执行升维、规范化等步骤。
数据升维思想
在线性回归中，将变量看作多个特征，即x1，x2…；而在非线性中，也可以将高次看作一个特征，即x的平方看作x2。同时，x平方对应的样本数据也要开方；即原本数据是 x（100，1）的，呢么对原数据开方得到x^2，和x构成新数据（x，x^2)是(100,2)的。之后按照线性回归求解非线性回归
若原数据有两个特征，平方结果如下：x是原数据，x2是加入x^2的数据，一列是x^0对应数据，二三列是x^1对应数据，三四五列是x^2对应数据
对比主成分分析
PCA中是对数据进行降维操作来求特征，而非线性回归是对数据进行升维求特征。升维降维两种方法思路
管道操作Pipeline（定义流水线）
在管道中定义好需要的操作，如对非线性回归：先对数据升维（同时也是定义拟合曲线维数），然后规格化数据，最后线性回归
定义好的管道调用和封装好的算法调用一样
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
