人工智能基础_机器学习034_多项式回归升维_以及维度概念详解_没有拟合不是模型不行_而是数据不行_没有把方程中的二次幂x^2数据补齐_数据需要升维---人工智能工作笔记0074

上一节我们说了一种,对于一元二次方程的,升维的方法,并且使用线性回归对升维后的数据进行了训练,得到了一个可以拟合数据的图形曲线.

那么这样就让我们可以用线性回归,来处理非线性数据,对预测数据进行拟合了,我们提出了,

我们可以让比如 y = w1*x1+b 这种,我们可以给系数x1,让他给平方,或者立方,加上这两个系数

比如改成y = w1*x1+w2*x1^2+b 这样,然后再去用线性回归进行升维处理数据,也就是对我们生成的

训练数据,比如X1进行升维,添加一列X1^2,然后带入线性回归进行计算.

经过我们的数据升维处理,进行线性回归带入运算,得到的曲线很好的预测和拟合了数据,但是这里

升维的话,具体我们是升维到平方,还是立方?这个咱们不知道,这里就需要尝试对吧,一个个尝试,看哪个拟合的好.如果事前知道了是平方还是立方,那么就相当于可以预测股票了哈哈.

可以看到上面是我们升维之前的数据,可以看到虽然是二维数组,但是