《機器學習項目案例開發(fā)》課件 項目四：使用Scikit-learn庫來實現(xiàn)多項式回歸_第1頁
《機器學習項目案例開發(fā)》課件 項目四：使用Scikit-learn庫來實現(xiàn)多項式回歸_第2頁
《機器學習項目案例開發(fā)》課件 項目四：使用Scikit-learn庫來實現(xiàn)多項式回歸_第3頁
《機器學習項目案例開發(fā)》課件 項目四：使用Scikit-learn庫來實現(xiàn)多項式回歸_第4頁
《機器學習項目案例開發(fā)》課件 項目四：使用Scikit-learn庫來實現(xiàn)多項式回歸_第5頁
已閱讀5頁，還剩2頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

人工智能技術(shù)與應用項目4：使用scikit-learn實現(xiàn)多項式回歸課程概況—基本情況PART01多項式回歸多項式概述管道用法特征增擴多項式概述項目背景：前面我們使用簡單線性回歸和多元線性回歸來擬合廣告收入的例子，但是在實際生活中，很多數(shù)據(jù)之間是非線性關(guān)系，雖然也可以用線性回歸擬合非線性回歸，但是效果將會很差，這時候就需要對線性回歸模型進行改進，使之能夠擬合非線性數(shù)據(jù)。

右圖數(shù)據(jù)呈現(xiàn)非線性關(guān)系，需要多項式回歸模型。多項式回歸是在線性回歸基礎(chǔ)上進行改進，相當于為樣本再添加特征項。如右圖所示，為樣本添加一個x^2的特征項，可以較好地擬合非線性的數(shù)據(jù)。多項式回歸：一個因變量與一個或多個自變量間多項式的回歸分析方法，稱為多項式回歸，如果自變量只有一個時，稱為一元多項式回歸，如果有多個自變量時稱為多元多項式回歸。由于任何函數(shù)都可以使用多項式逼近，因此多項式回歸有著廣泛的應用。

多項式概述特征增擴

pipeline：Python中的pipeline和linux中的pipeline類似，把若干個命令連接起來，前一個命令的輸出是后一個命令的輸入，最終完成一個類似于流水線的功能。函數(shù)：sklearn.pipeline.Pipeline(steps)參數(shù)：steps:一個列表，列表的元素為(name,transform)元組,其中name是學習器的名字，用于輸出和日志；

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論