一、理论介绍
对于一般的线性回归模型,由于该函数拟合出来的是一条直线,所以精度欠佳,我们可以考虑多项式回归,构造非线性特征,用的是高次多项式而不是简单的一 次线性多项式。所谓多项式回归,其本质也是线性回归。也就是说,我们采取的方法是,提高每个特征的次数来增加维度数。
1、需要拟合的方程:
y = 2.4 x 3 + 3 x 2 + 0.2 x + 0.9 y = 2.4x^3+3x^2+0.2x+0.9 y=2.4x3+3x2+0.2x+0.9
2、构建多项式回归方程:
对于输入变量x和输出值y,我们只需要增加其平方项、三次方项系数即可。目标是将每一个参数都能够学习到和真实参数很接近的结果
y = w 3 x 3 + w 2 x 2 + w 1 x + b y = w_{3}x^3+w_{2}x^2+w_{1}x+b y