Python基于numpy模塊實現(xiàn)回歸預測
代碼如下
import numpy as np from matplotlib import pyplot as plt # 用numpy生成數(shù)據(jù)t ,y t = np.arange(1,10,1) y = 0.9 * t + np.sin(t) model = np.polyfit(t, y ,deg=1) # np.polyfit是numpy提供的加分分析方法,deg=1,指定模型為1階的,返回值model為獲得的模型 t2 = np.arange(-2,12,0.5) # 再生成一個間隔為0.5的序列 ypredict = np.polyval(model, t2) # 由np.polyval預測y值序列 plt.plot(t, y, "o", t2, ypredict, 'x') plt.show()
上面的一段代碼利用numpy生成數(shù)據(jù)序列,并實現(xiàn)了1階回歸,并畫出預測效果圖,圖形如下:

將代碼改一下,實現(xiàn)2階、3階回歸預測,只需要model = np.polyfit(t, y, deg =2)即可,同理3階模型就把deg改為3即可。
2階效果圖和3階效果圖分別如下:


需要說明的是,并不是擬合的階數(shù)越高,模型越好,本例使用2階擬合效果比較好,如果使用3階,會出現(xiàn)“過擬合”
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關文章
Pycharm連接遠程服務器并實現(xiàn)遠程調試的實現(xiàn)
這篇文章主要介紹了Pycharm連接遠程服務器并實現(xiàn)遠程調試的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2019-08-08
python解釋模型庫Shap實現(xiàn)機器學習模型輸出可視化
Shap 是一個開源的 python 庫,用于解釋模型。它可以創(chuàng)建多種類型的可視化,有助于了解模型和解釋模型是如何工作的。在本文中,我們將會分享一些Shap創(chuàng)建的不同類型的機器學習模型可視化2021-11-11
解析python調用函數(shù)加括號和不加括號的區(qū)別
這篇文章主要介紹了python調用函數(shù)加括號和不加括號的區(qū)別,不帶括號時,調用的是這個函數(shù)本身 ,是整個函數(shù)體,是一個函數(shù)對象,不須等該函數(shù)執(zhí)行完成,具體實例代碼跟隨小編一起看看吧2021-10-10
python向企業(yè)微信發(fā)送文字和圖片消息的示例
這篇文章主要介紹了python向企業(yè)微信發(fā)送文字和圖片消息的示例,幫助大家更好的理解和使用python,感興趣的朋友可以了解下2020-09-09

