Python基于numpy模块实现回归预测
(编辑:jimmy 日期: 2024/11/18 浏览:3 次 )
代码如下
import numpy as np from matplotlib import pyplot as plt # 用numpy生成数据t ,y t = np.arange(1,10,1) y = 0.9 * t + np.sin(t) model = np.polyfit(t, y ,deg=1) # np.polyfit是numpy提供的加分分析方法,deg=1,指定模型为1阶的,返回值model为获得的模型 t2 = np.arange(-2,12,0.5) # 再生成一个间隔为0.5的序列 ypredict = np.polyval(model, t2) # 由np.polyval预测y值序列 plt.plot(t, y, "o", t2, ypredict, 'x') plt.show()
上面的一段代码利用numpy生成数据序列,并实现了1阶回归,并画出预测效果图,图形如下:
将代码改一下,实现2阶、3阶回归预测,只需要model = np.polyfit(t, y, deg =2)即可,同理3阶模型就把deg改为3即可。
2阶效果图和3阶效果图分别如下:
需要说明的是,并不是拟合的阶数越高,模型越好,本例使用2阶拟合效果比较好,如果使用3阶,会出现“过拟合”
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
下一篇:PyQt5 控件字体样式等设置的实现