python與機器學習入門（5）多項式回歸

多項式回歸：

處理的是一些非線性問題，像一些無法用直線擬合的離散點，比方說隨著工齡的增長和職位的升高而 增加的薪酬。

這樣的問題，往往只有一個自變數。

多項式回歸還是比較簡單的

///舉一個栗子///

一家企業：十個職位與對應的薪酬

這時候有一個人來你公司應聘，他已經在6職位上工作了兩年多，還有幾年就可以上到7職位了，你應該給他多少薪酬呢？

這種情況，我們就將他的職位按照6.5算吧。

下面這個是線性回歸的預測出的結果

linr = LinearRegression()linr.fit(X, y)polyr = PolynomialFeatures(degree = 2)linrr = LinearRegression()linrr.fit(X_poly, y)

顯而易見，誤差是非常大的，尤其是看到了y軸上的數量級之後….

這時候讓我們來用多項式回歸，可以通過增加變數的最高次數，來增加擬合結果的準確性。

我們設定的多項式的最高次數是2，但是頭尾兩個數值的誤差還是比較大的

在這個逐步調高最高次數的過程中，發現最高次是4的時候，預測出來的結果是最為準確的。

如果你覺得這個預測圖不夠平滑，你也可以縮減X軸每兩個坐標之間的距離。

我們做一個差來大體看一下誤差：

因為對於多項式回歸的誤差檢測，這裡並沒有比較好的方法。由於通過提高最高次數的過程已經可以逐步的增大預測的準確率，所以這樣的誤差並不算大。

現在你可以給來招聘的人給出合適的工資了

跟原有的公司給出的薪酬對應表相差並不多。

源碼與數據集的下載請移步：

機器學習（5）-多項式回歸 - CSDN博客?

blog.csdn.net

推薦閱讀：