【机器学习个人笔记】part4——用sklearn实现多项式回归

最新推荐文章于 2025-01-03 21:59:25 发布

原创

最新推荐文章于 2025-01-03 21:59:25 发布 · 1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#多项式回归 #机器学习 #python #skleanr

这篇博客对比了简单线性回归、多元线性回归和多项式回归，并通过实例展示了如何利用sklearn库进行多项式回归。在预测薪资的场景中，多项式回归表现优于简单线性回归，能更好地拟合数据。过高维度可能导致过拟合，而degree=1则退化为简单线性模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【机器学习个人笔记】part4——用sklearn实现多项式回归

先来对比简单线性回归、多元线性回归和多项式回归：

“多元“指的是在方程中有多个变量，放在机器学习的角度上来说就是有多个特征
“多项式”指的是一个变量有不同的参数和幂

场景：根据职位（等级）来预测薪水

数据集预览：

代码:

数据预处理（导入标准库，导入数据集、分割、特征缩放）

# Polynomial Regression

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
dataset = pd.read_csv('../Position_Salaries.csv')
X = dataset.iloc[:, 1:2].values  # 自变量应该是矩阵
y = d