多项式回归(Polynomial Regression)
Posted J_K_Guo
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了多项式回归(Polynomial Regression)相关的知识,希望对你有一定的参考价值。
在拿到一组数据时,我们需要先观察数据选择特征甚至构造特征,然后选择合适的模型。
线性回归并不适用所有数据,有时候我们需要用曲线来拟合我们的数据。
比如一个二次模型:
或者三次模型:
对于多项式模型,我们可以构造特征如:
x2 = x22
x3 = x33
从而可以把模型转化为线性回归模型。
注:在构造特征(模型选择)时,应充分观察数据分布以及大致的函数图形特征。比如上面的数据我们可以有以下两种选择:
另外,对于多项式回归模型,构造完特征之后一般各特征的尺度都不一样甚至都相差很大,所以特征缩放很有必要。
以上是关于多项式回归(Polynomial Regression)的主要内容,如果未能解决你的问题,请参考以下文章
机器学习 sklearn 监督学习 回归算法 多项式回归 Polynomial Regression
机器学习 sklearn 监督学习 回归算法 多项式回归 Polynomial Regression
R语言使用lm函数拟合多项式回归模型( Polynomial regression例如添加自变量的平方信息立方信息等)
R语言lm函数拟合多项式回归模型( Polynomial)并诊断模型(Regression diagnostics)使用plot函数打印回归模型的QQ图残差拟合图标度-位置图残差与杠杆关系图