运用scikit-learn库进行回归分析（二）

最新推荐文章于 2024-06-24 16:13:03 发布

王樰沫

最新推荐文章于 2024-06-24 16:13:03 发布

阅读量359

点赞数

分类专栏： Python机器学习文章标签：回归分析

本文链接：https://blog.csdn.net/weixin_43196531/article/details/87356359

版权

运用scikit-learn库进行回归分析（二）

本文主要介绍非线性回归分析，使用数据来自网站房屋数据。

一、多项式回归

# 读取数据
import pandas as pd
df = pd.read_csv('housing.csv', header = None, sep = '\s+')
df.columns = ['CRIM', 'ZN', 'INDUS', 'CHAS', 
              'NOX', 'RM', 'AGE', 'DIS', 'RAD', 
              'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV']
df.head()

# 拟合房屋价格和LSTAT之间的模型
# 获取数据
X = df[['LSTAT']].values
y = df['MEDV'].values

regr = LinearRegression()

# 导入多项式函数
from sklearn.preprocessing import PolynomialFeatures
# 创建多项式数据
quadratic = PolynomialFeatures(degree=2)
cubic = PolynomialFeatures(degree=3)
X_quad = quadratic.fit_transform(X)
X_cubic = cubic.fit_transform(X)

# 线性拟合
X_fit = np.arange(X.min(), X.max(), 1)[:, np.newaxis]
regr = regr.fit(X, y)
y_lin_fit = regr.predict