PRML之多项式曲线拟合

给定⼀个训练集。这个训练集由x的N次观测组成，写作x≡ (x1,…,xN)T，伴随这对应的t的观测值，记作t≡ (t1,…,tN)T。图1展⽰了由N = 10个数据点组成的图像。图中的输⼊数据集合x通过选择xn(n= 1,...,N)的值来⽣成。这些xn均匀分布在区间[0,1]，⽬标数据集t的获得⽅式是：⾸先计算函数sin(2πx)的对应的值，然后给每个点增加⼀个⼩的符合⾼斯分布的随机噪声，从⽽得到对应的tn的值。通过使⽤这种⽅式产⽣数据。

需要导入的模块如下

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

 

#分别在prml的features，linear文件夹下，需要自行下载，我会在文末给出github地址

#特征生成

fromprml.featuresimport PolynomialFeatures

fromprml.linearimport (

   LinearRegressor,

    RidgeRegressor,

   BayesianRegressor

)

 

np.random.seed(1234)

PolynomialCurve Fitting

def func, sample_size, std):

= np(1= func(x)  nprandomnormalscalestd, size.)return 

def (x

     npsin(