Python实现多项式回归实战，并比较其与线性回归的拟合效果
发布时间
阅读量：
阅读量
对所提供的数据绘制散点图，能够初步判断模型是否适用于线性回归分析。然而，线性回归是否一定为最优拟合方式？答案显然并非如此。在某些情况下，采用多项式回归可能获得更优的拟合效果，但同时也需警惕出现过拟合现象。
接下来，仍以房屋面积用于预测房屋价格的数据作为示例：
读取数据，绘制散点图：
多项式回归
import matplotlib.font_manager as fm
import matplotlib.pyplot as plt
from sklearn import linear_model
import numpy as np
from sklearn.linear_model import LinearRegression #导入线性回归模型
from sklearn.preprocessing import PolynomialFeatures # 导入多项式回归模型
# 字体
myfont = fm.FontProperties(fname='C:\Windows\Fonts\simsun.ttc')
# plt.figure() # 实例化作图变量
plt.title('房价面积价格样本', fontpro全部评论 (0)
还没有任何评论哟~