這篇文章主要介紹了Python如何確定多項式擬合/回歸的階數，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

成都創新互聯公司專注于企業網絡營銷推廣、網站重做改版、扶綏網站定制設計、自適應品牌網站建設、H5網站設計、購物商城網站建設、集團公司官網建設、外貿營銷網站建設、高端網站制作、響應式網頁設計等建站業務，價格優惠性價比高，為扶綏等各大城市提供網站開發制作服務。

通過 1至10 階來擬合對比 均方誤差及R評分，可以確定最優的“大階數”。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression,Perceptron
from sklearn.metrics import mean_squared_error,r2_score
from sklearn.model_selection import train_test_split
 
X = np.array([-4,-3,-2,-1,0,1,2,3,4,5,6,7,8,9,10]).reshape(-1, 1)
y = np.array(2*(X**4) + X**2 + 9*X + 2)
#y = np.array([300,500,0,-10,0,20,200,300,1000,800,4000,5000,10000,9000,22000]).reshape(-1, 1)
 
x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
rmses = []
degrees = np.arange(1, 10)
min_rmse, min_deg,score = 1e10, 0 ,0
 
for deg in degrees:
	# 生成多項式特征集(如根據degree=3 ,生成 [[x,x**2,x**3]] )
	poly = PolynomialFeatures(degree=deg, include_bias=False)
	x_train_poly = poly.fit_transform(x_train)
 
	# 多項式擬合
	poly_reg = LinearRegression()
	poly_reg.fit(x_train_poly, y_train)
	#print(poly_reg.coef_,poly_reg.intercept_) #系數及常數
	
	# 測試集比較
	x_test_poly = poly.fit_transform(x_test)
	y_test_pred = poly_reg.predict(x_test_poly)
	
	#mean_squared_error(y_true, y_pred) #均方誤差回歸損失,越小越好。
	poly_rmse = np.sqrt(mean_squared_error(y_test, y_test_pred))
	rmses.append(poly_rmse)
	# r2 范圍[0，1]，R2越接近1擬合越好。
	r2score = r2_score(y_test, y_test_pred)
	
	# degree交叉驗證
	if min_rmse > poly_rmse:
		min_rmse = poly_rmse
		min_deg = deg
		score = r2score
	print('degree = %s, RMSE = %.2f ,r2_score = %.2f' % (deg, poly_rmse,r2score))
		
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(degrees, rmses)
ax.set_yscale('log')
ax.set_xlabel('Degree')
ax.set_ylabel('RMSE')
ax.set_title('Best degree = %s, RMSE = %.2f, r2_score = %.2f' %(min_deg, min_rmse,score)) 
plt.show()

因為因變量 Y = 2*(X**4) + X**2 + 9*X + 2 ，自變量和因變量是完整的公式，看圖很明顯，degree >=4 的都符合，擬合函數都正確。（RMSE 最小，R平方非負且接近于1，則模型最好）

如果將 Y 值改為如下：

y = np.array([300,500,0,-10,0,20,200,300,1000,800,4000,5000,10000,9000,22000]).reshape(-1, 1)

degree=3 是最好的，且 r 平方也最接近于1（注意：如果 R 平方為負數，則不準確，需再次測試。因樣本數據較少，可能也會判斷錯誤）。

感謝你能夠認真閱讀完這篇文章，希望小編分享的“Python如何確定多項式擬合/回歸的階數”這篇文章對大家有幫助，同時也希望大家多多支持創新互聯成都網站設計公司，關注創新互聯成都網站設計公司行業資訊頻道，更多相關知識等著你來學習!

另外有需要云服務器可以了解下創新互聯scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、網站設計器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業上云的綜合解決方案，具有“安全穩定、簡單易用、服務可用性高、性價比高”等特點與優勢，專為企業上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

標題名稱：Python如何確定多項式擬合/回歸的階數-創新互聯
網站網址：http://www.yijiale78.com/article10/ccdpgo.html

成都網站建設公司_創新互聯，為您提供網站建設、搜索引擎優化、網站設計公司、服務器托管、網頁設計公司、定制網站

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯