使用sklearn的numpy多项式线性回归

Question

我正在尝试将多项式的线性系统拟合到数据。 numpy的{​​{1}}模块包含一个拟合功能，该功能可以完美运行。当我尝试使用polynomial线性求解器拟合模型时，拟合非常糟糕！我不明白怎么了。我构造了一个矩阵X，其中x_ {ij}对应于第sklearn个观察到的输入和第i个多项式。我知道X矩阵是可以的，因为当我用j找到系数时，数据就非常合适。我使用sklearn的numpy函数（我已经尝试了几种线性求解器），但是它所求解的系数（fit对象）是错误的。我究竟做错了什么？如何使coef_线性求解器找到的系数与sklearn找到的系数匹配？

numpy

Answer 1

您的omp.coef_.dot(X.T)不包含截距；手动添加或直接使用omp.predict。

即：

plt.scatter(xnorm, omp.coef_.dot(X.T) + omp.intercept_, label='linear regression')
plt.scatter(xnorm, evals, label='data', s=15, marker='x')

或

plt.scatter(xnorm, omp.predict(X), label='linear regression')
plt.scatter(xnorm, evals, label='data', s=15, marker='x')