使用Scikit-Learn绘制Python中的多项式回归

我正在编写一个python代码，用于在[0,1]范围内使用函数sin（2.pi.x）来检查over-fiting。我首先通过使用mu = 0和sigma = 1的高斯分布添加一些随机噪声来生成N个数据点。我用M次多项式拟合模型。这里是我的代码使用Scikit-Learn绘制Python中的多项式回归

import matplotlib.pyplot as plt 
import numpy as np 
from sklearn.preprocessing import PolynomialFeatures 
from sklearn.linear_model import LinearRegression 

# generate N random points 
N=30 
X= np.random.rand(N,1) 
y= np.sin(np.pi*2*X)+ np.random.randn(N,1) 

M=2 
poly_features=PolynomialFeatures(degree=M, include_bias=False) 
X_poly=poly_features.fit_transform(X) # contain original X and its new features 
model=LinearRegression() 
model.fit(X_poly,y) # Fit the model 

# Plot 
X_plot=np.linspace(0,1,100).reshape(-1,1) 
X_plot_poly=poly_features.fit_transform(X_plot) 
plt.plot(X,y,"b.") 
plt.plot(X_plot_poly,model.predict(X_plot_poly),'-r') 
plt.show()

Picture of polynomial regression

我不知道为什么我有m个多项式线的M = 2行？我认为它应该是1行，不管M是多少。你能帮我弄清楚这个问题。

来源

2017-09-07 Chuong Nguyen

多项式特征变换后的数据是形状（n_samples，2）。所以pyplot正在用两列绘制预测变量。

更改剧情代码

plt.plot(X_plot_poly[:,i],model.predict(X_plot_poly),'-r') 
where i your column number

来源

2017-09-07 14:00:06 ashwinids

现在的工作。非常感谢你。据我所知，我应该是0，对吧？因为我想根据X绘制一张图片，而不是更高的多项式。 –

我可以是0或1.如果要用原始数据集绘制图形，即在使用多项式特征生成之前，则应使用代码中定义的变量X_plot。如果它解决了你的问题，请接受答案。 – ashwinids

@ ashwinids：我接受。但是，当我尝试使用M = 0时，代码不会编码。你知道我该如何处理这个问题？因为我需要在M = 0处进行评估，所以 –

使用Scikit-Learn绘制Python中的多项式回归

回答

相关问题