Question

我在下面写了代码来使用多项式回归。能够适应模型，但无法预测!!

def polynomial_function(power=5, random_state=9):
    global X_train
    global y_train

    X_train =  X_train[['item_1','item_2','item_3','item_4']]
    rng = np.random.RandomState(random_state)
    poly = PolynomialFeatures(degree=power, include_bias=False)
    linreg = LinearRegression(normalize=True)
    new_X_train = poly.fit_transform(X_train)
    linreg.fit(new_X_train, y_train)
    new_x_test  = np.array([4, 5, 6, 7]).reshape(1, -1)
    print linreg.predict(new_x_test)
    return linreg

linreg = polynomial_function()

我收到以下错误消息：

ValueError: shapes (1,4) and (125,) not aligned: 4 (dim 1) != 125 (dim 0)

错误发生在这里，

new_x_test  = np.array([4, 5, 6, 7]).reshape(1, -1)
print linreg.predict(new_x_test)

我找到了new_X_train的形状=（923,125）和形状new_x_test =（1,4）

这有什么关系？

当我尝试使用（1,4）的形状进行预测时算法会尝试将其转换为不同的形状吗？

它是否试图找出测试数据的度数为5的多项式？

我正在尝试学习多项式回归，任何人都可以解释发生了什么吗？

Answer 1

from sklearn.pipeline import Pipeline
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

pipeline = Pipeline([
    ('poly', PolynomialFeatures(degree=5, include_bias=False)),
    ('linreg', LinearRegression(normalize=True))
    ])

pipeline.fit(X_train, y_train)
pipeline.predict(np.array([4, 5, 6, 7]).reshape(1, -1))

由于形状问题，使用多项式回归拟合模型不允许预测

1 个答案: