python - 如何将多项式回归线拟合到数据中

Question

#plotting values 
x_max = np.max(X) + 100
x_min = np.min(X) - 100#calculating line values of x and y
x = np.linspace(x_min, x_max, 1000)
y = b0 + b1 * x #plotting line 
plt.plot(x, y, color='#00ff00', label='Linear Regression')#plot the data point
plt.scatter(X, Y, color='#ff0000', label='Data Point')# x-axis label
plt.xlabel('Time')#y-axis label
plt.ylabel('Signal Strength MHz')
plt.legend()
plt.show()

我无法将多项式回归线拟合到数据中。

coefs = np.polyfit(X, Y, 4)
x_new = np.linspace(X[0], X[-1], num=len(X)*10)
ffit = poly.polyval(x_new, coefs)
plt.plot(x_new, ffit, label = 'Polynomial Regression')
plt.scatter(X, Y, color='#ff0000', label='Data Point')# x-axis label
plt.xlabel('Time')#y-axis label
plt.ylabel('Signal Strength MHz')
plt.show()

标签： pythonmatplotlibregressionnon-linear-regression

Answer 1

您已切换多项式系数和 x 值的顺序。根据docs，第一个参数是多项式系数：

numpy.polyval(p, x)

参数：

p : array_like 或 poly1d object 一维多项式系数数组（包括等于零的系数）

x : array_like or poly1d object 一个数字、一个数字数组或 poly1d 的一个实例，用于计算 p。

更改以下行

ffit = poly.polyval(x_new, coefs)

到

ffit = poly.polyval(coefs, x_new)

编辑：

或者，尝试以下方法

coefs = np.polyfit(X, Y, 4)
x_new = np.linspace(X[0], X[-1], num=len(X)*10)
ffit = np.poly1d(coefs)
plt.plot(x_new, ffit(x_new), label = 'Polynomial Regression')