多项式回归 多项式回归基本概念 Scikit-Learn中多项式回归 关于PolynomialFeatures 多项式回归基本概念 对于线性回归，数据都是线性的，目标是寻找一条直线，尽可能的拟合样本。但实际任务中，数据往往是非线性，因此需对线性回归算法进行一些转换改造，即多项式回归。 多项式回归中，数据不太具有线性关系，因此应寻找一些非线性曲线去拟合。如下图，用一条二次曲线去拟合数据，效果更好。 对于上面的数据，原本是只有x一个特征，但是我们可以构造一个新的特征 x 2 x^2 x2，即构成了二次函数。将二次函数看成 y = a x 1 + b x + c y=ax_1+bx+c y=ax1+bx+c 其中( x 1 = x 2 x_1= x^2 x
本文介绍了多项式回归的基本概念，特别是在处理非线性数据时的重要性。通过引入Scikit-Learn库中的PolynomialFeatures，展示了如何利用这个工具构造新特征，从而将非线性问题转化为线性回归问题，提高数据拟合效果。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
