(深度好文)欠拟合与过拟合解释实例--多项式拟合

欠拟合与过拟合解释实例–多项式拟合

目录：

1.导入必要的模块

2.生成数据

2.1构建数据生成函数

2.2生成训练集

2.3生成测试集

3.多项式模型拟合

3.1构建多项式特征模型训练函数

3.2一阶多线性拟合

3.3三阶多项式模型拟合

3.4十阶多项式模型拟合

3.5三十阶多项式模型拟合

3.6指标对比

4.测试集检验

4.1多项式特征模型预测函数

4.2一阶线性模型预测

4.3三阶多项式模型预测

4.4十阶多项式模型预测

4.5三十阶多项式模型预测

4.6指标对比

5.欠拟合和过拟合总结

正文内容：

1.导入必要的模块

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

2.生成数据

2.1构建数据生成函数

def data_generator(samples,random_seed=0):
	np.random.seed(random_seed)# 设置随机种子
	X=np.random.uniform(-5,5,size=samples)# 从-5到5中随机抽取100个实数
	y_real=0.5*X**3+X**2+2*X+1 #生成y的真实值
	err=np.random.normal(0,5,size=samples) #生成正态分布(均值为0，标准差为5的误差值)
	y=y_real+err #y真实值加上误差值，得到样本的y值
	return X,y,y_real

2.2生成训练集

X_train,y_train,y_train_real=data_generator(
	samples=100,random_seed=34)
# 画出训练集数据的散点图
plt.scatter(
	X_train,y_train,maker='o',
	color='g',label='train dataset')
# 画出实际函数曲线
plt.plot(np.sort(X_train),y_train_real[np.argsort(X_train)],color='b',label='real_curve')
plt.legend()
plt.xlabel('x')
plt.ylabel('y')
plt.show()

2.3生成测试集

X_test,y_test,y_test_real=data_generator(
	samples=100