Python学习之多项式回归

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理

线性回归的改进版本中的多项式回归。如果您知道线性回归，那么对您来说很简单。如果没有，我将在本文中解释这些公式。还有其他先进且更有效的机器学习算法。但是，学习基于线性的回归技术是一个好主意。因为它们简单，快速并且可以使用众所周知的公式。尽管它可能不适用于复杂的数据集。

多项式回归公式

仅当输入变量和输出变量之间存在线性相关性时，线性回归才能很好地执行。如前所述，多项式回归建立在线性回归的基础上。如果您需要线性回归的基础知识，请访问线性回归：

Python中的线性回归算法

学习线性回归的概念并从头开始在python中开发完整的线性回归算法

多项式回归可以更好地找到输入要素与输出变量之间的关系，即使该关系不是线性的。它使用与线性回归相同的公式：

Y = BX + C

我敢肯定，我们都在学校学过这个公式。对于线性回归，我们使用如下符号：

在这里，我们从数据集中获得X和Y。X是输入要素，Y是输出变量。Theta值是随机初始化的。

对于多项式回归，公式如下所示：

我们在这里添加更多术语。我们使用相同的输入功能，并采用不同的指数以制作更多功能。这样，我们的算法将能够更好地了解数据。

幂不必为2、3或4。它们也可以为1 / 2、1 / 3或1/4。然后，公式将如下所示：

<