使用python计算多项式在x=5的值_python与机器学习入门（5）多项式回归

多项式回归：

处理的是一些非线性问题，像一些无法用直线拟合的离散点，比方说随着工龄的增长和职位的升高而 增加的薪酬。

这样的问题，往往只有一个自变量。

多项式回归还是比较简单的

///举一个栗子///

一家企业：十个职位与对应的薪酬

这时候有一个人来你公司应聘，他已经在6职位上工作了两年多，还有几年就可以上到7职位了，你应该给他多少薪酬呢？

这种情况，我们就将他的职位按照6.5算吧。

下面这个是线性回归的预测出的结果

linr = LinearRegression()

linr.fit(X, y)

polyr = PolynomialFeatures(degree = 2)

linrr = LinearRegression()

linrr.fit(X_poly, y)

显而易见，误差是非常大的，尤其是看到了y轴上的数量级之后….

这时候让我们来用多项式回归，可以通过增加变量的最高次数，来增加拟合结果的准确性。

我们设定的多项式的最高次数是2，但是头尾两个数值的误差还是比较大的

在这个逐步调高最高次数的过程中，发现最高次是4的时候，预测出来的结果是最为准确的。

如果你觉得这个预测图不够平滑，你也可以缩减X轴每两个坐标之间的距离。

我们做一个差来大体看一下误差：

因为对于多项式回归的误差检测，这里并没有比较好的方法。由于通过提高最高次数的过程已经可以逐步的增大预测的准确率，所以这样的误差并不算大。

现在你可以给来招聘的人给出合适的工资了

跟原有的公司给出的薪酬对应表相差并不多。

源码与数据集的下载请移步：机器学习(5)-多项式回归 - CSDN博客​blog.csdn.net