通过循环把多项扩展从1到10看出多项式扩展的线性过程

机器学习
解决欠拟合的多项式扩展方法的原理：

通过循环把多项扩展从1到10看出多项式扩展的线性过程

import numpy as np
import  matplotlib  as mpl
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
%matplotlib inline

mpl.rcParams["font.family"]="SimHei"
mpl.rcParams["axes.unicode_minus"]=False

x=np.linspace(1,10,50)
y=x*np.sin(x)
# np.newaxis=None   #手贱用del newaxis删除了newaxis，只能通过重新指定np.newaxis=None才能正常使用-_-!!!
X=x[:,np.newaxis]
# display(X,x)

f=plt.figure()
fig,ax=plt.subplots(5,2)
fig.set_size_inches(18,20)
display(ax)
ax=ax.ravel()#这里注意要扁平化，方便后面循环处理
display(ax)
for n in range(1,11):       
        poly=PolynomialFeatures(n)
        r=poly.fit_transform(X)
        lr=LinearRegression()
        lr.fit(r,y)
        print(lr.score(r,y))
        ax[n-1].scatter(x,y,color="g",label="数据样本") #要注意这里n-1，因为n是从1开始的
        ax[n-1].plot(X,lr.predict(r),"r-",label="拟合线")
        ax[n-1].legend()