通过数据点最适合的线

Question

理想情况下需要多项式拟合或高斯过程回归。不确定如何在sklearn中实现它。数据存储在pandas中。

我已经尝试了下面的内容，但加载速度非常慢，即使只有128个数据点。

from sklearn.svm import SVR
X, y = df11[['P1FRAMES']], df11[['A']]
svr_lin = SVR(kernel='linear', C=1e3)
svr_poly = SVR(kernel='poly', C=1e3, degree=2)
y_lin = svr_lin.fit(X, y).predict(X)
y_poly = svr_poly.fit(X, y).predict(X)

是否有更快的方法来生成二阶多项式最佳拟合线？或者您认为可能适合的任何其他最合适的产品线？

由于

汤姆