《机器学习项目案例开发》课件 项目四：使用Scikit-learn库来实现多项式回归_第1页
《机器学习项目案例开发》课件 项目四：使用Scikit-learn库来实现多项式回归_第2页
《机器学习项目案例开发》课件 项目四：使用Scikit-learn库来实现多项式回归_第3页
《机器学习项目案例开发》课件 项目四：使用Scikit-learn库来实现多项式回归_第4页
《机器学习项目案例开发》课件 项目四：使用Scikit-learn库来实现多项式回归_第5页
已阅读5页，还剩2页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

人工智能技术与应用项目4：使用scikit-learn实现多项式回归课程概况—基本情况PART01多项式回归多项式概述管道用法特征增扩多项式概述项目背景：前面我们使用简单线性回归和多元线性回归来拟合广告收入的例子，但是在实际生活中，很多数据之间是非线性关系，虽然也可以用线性回归拟合非线性回归，但是效果将会很差，这时候就需要对线性回归模型进行改进，使之能够拟合非线性数据。

右图数据呈现非线性关系，需要多项式回归模型。多项式回归是在线性回归基础上进行改进，相当于为样本再添加特征项。如右图所示，为样本添加一个x^2的特征项，可以较好地拟合非线性的数据。多项式回归：一个因变量与一个或多个自变量间多项式的回归分析方法，称为多项式回归，如果自变量只有一个时，称为一元多项式回归，如果有多个自变量时称为多元多项式回归。由于任何函数都可以使用多项式逼近，因此多项式回归有着广泛的应用。

多项式概述特征增扩

pipeline：Python中的pipeline和linux中的pipeline类似，把若干个命令连接起来，前一个命令的输出是后一个命令的输入，最终完成一个类似于流水线的功能。函数：sklearn.pipeline.Pipeline(steps)参数：steps:一个列表，列表的元素为(name,transform)元组,其中name是学习器的名字，用于输出和日志；

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论