多项式拟合lm_sklearn之多项式回归

'''多项式回归：若希望回归模型更好的拟合训练样本数据，可以使用多项式回归器。

一元多项式回归：

数学模型：y = w0 + w1 * x^1 + w2 * x^2 + .... + wn * x^n

将高次项看做对一次项特征的扩展得到：

y = w0 + w1 * x1 + w2 * x2 + .... + wn * xn

那么一元多项式回归即可以看做为多元线性回归，可以使用LinearRegression模型对样本数据进行模型训练。

所以一元多项式回归的实现需要两个步骤：

1. 将一元多项式回归问题转换为多元线性回归问题(只需给出多项式最高次数即可)。

2. 将1步骤得到多项式的结果中 w1,w2,w3,...,wn当做样本特征，交给线性回归器训练多元线性模型。

选择合适的最高次数其模型R2评分会高于一元线性回归模型评分，如果次数过高，会出现过拟合现象，评分会低于一元线性回归评分

使用sklearn提供的"数据管线"实现两个步骤的顺序执行：

import sklearn.pipeline as pl

import sklearn.preprocessing as sp

import sklearn.linear_model as lm

model = pl.make_pipeline(

# 10: 多项式的最高次数

sp.PolynomialFeatures(10), # 多项式特征扩展器

lm.LinearRegression()) # 线性回归器

过拟合和欠拟合：</