zoukankan      html  css  js  c++  java
  • 线性回归与多项式回归的区别,如何判断他们的使用场景

    前言:    以下内容是个人学习之后的感悟,转载请注明出处~

    总结:   回归属于监督学习的一种的方法, 从连续的数据中得到模型,然后将该数据模型进行预测或者分类.

    线性回归模型

    把数据通过画图画出来,如果是下面这样的,那么他就适合于线性回归 ,

     
     
    这组数据不属于正态分布,
    但用线性回归的话,就可以很好的进行拟合,如果用多项式回归的话,那么拟合度会很差.
    画一个拟合曲线观察一下,还是比较拟合的
    可以查看这两张图片,经过线性回归之后,第一张是没有处理的,第二张是处理后..观察发生了什么变化
     
     
    多项式回归模型
    根据数据的发展趋势来进行来决定,当太过于复杂时,那么多项式回归就不在适合于处理这组数据.
    多项式回归模型一般都是处理正态分布的数据,
    多项式回归的代码比线性回归的就多了一行
    polynomial=PolynomialFeatures(degree=2) # 构建多项式回归器对象 # degree是多项式的次数,此处初步的设置为2
     
    如果他是这种数据的话,那么多项式回归就适合处理这组数据
     
    画一个拟合曲线,看一下他与这组数据的拟合程度
    很显然,拟合程度很高
     可以观察这两张图片,经过多项式回归之后,第一张是没有处理的,第二张是处理后..观察发生了什么变化

     

     周五一个读者问我怎么在图中添加异常点 , 我在这篇中带着解释一下

    # 以下加入两个异常点,再用线性回归器进行拟合 
    abnormal_x=[16.5,17.9] 
    abnormal_y=[25.98,24.12] 
    print('x with abnormal point: {}'.format(x)) print('y with abnormal point: {}'.format(y))
    # 将异常点绘制出来 plt.scatter(abnormal_x,abnormal_y,marker='x',label='abnormal')
     
    没有添加异常点之前

    添加异常点之后,那两个蓝色的点就是异常点

  • 相关阅读:
    STM32-M0中断优先级介绍
    source insight之quicker.em宏的使用
    LORA---关于LORA的30个常见问题解答
    【原创】Mac上编译Hadoop1.0.3出现的一些问题
    Mac中下载JDK手动更新出现“只支持10.7.3以上的系统版本”问题解决方案
    【Java基础】Java内部类
    【Java基础】Java类及成员和修饰符的关系
    【Java基础】Java接口的总结
    【Java基础】抽象类和抽象方法的总结
    【Java基础】Java中的多态
  • 原文地址:https://www.cnblogs.com/lowbi/p/10709121.html
Copyright © 2011-2022 走看看