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