如何从多项式拟合线性回归模型中的给定 Y 值预测 X 值？

Posted 2023-03-12

【中文标题】如何从多项式拟合线性回归模型中的给定 Y 值预测 X 值？

【英文标题】：How can I predict X value from a given Y value from a polynomial fitted Linear Regression model?

【发布时间】：2020-12-06 07:31:35

【问题描述】：

在拟合简单的线性回归模型后，我使用以下公式：“y=mx+c”来找到给定 'y 的 'x' 值' 价值。显然，拟合模型后，我得到了“m”和“c”的值。

model = LinearRegression(fit_intercept=True)
model.fit(X,Y)
print('intercept:', model.intercept_)
print('slope:', model.coef_)

intercept: 1.133562363647583
slope: [-0.00075101]

#finding 'x' val for y=1 : x=(y-c)/m
x=(1-model.intercept_)/model.coef_[0] 

现在，我认为 Linear 做得不好，并且看到 3 次多项式拟合 给出了最好的结果（不包括此处的图表）。现在，我如何从下面的代码 sn-p 预测给定“y”值的“x”值：

from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(degree = 3) 
X_poly = poly.fit_transform(X) 
  
poly.fit(X_poly, Y) 
model2 = LinearRegression(fit_intercept=True) 
model2.fit(X_poly, Y)

print('intercept:', model2.intercept_)
print('slope:', model2.coef_)

intercept: 1.461870542630406
slope: [ 0.00000000e+00 -1.12408245e-02  9.69531205e-05 -2.72315461e-07]

【参考方案1】：

试试

p = [slope, intercept - y]

x = numpy.roots(p)