Python基于numpy模块实现回归预测

脚本专栏 发布日期:2024/10/22 浏览次数:1

正在浏览:Python基于numpy模块实现回归预测

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:

Python基于numpy模块实现回归预测

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:

Python基于numpy模块实现回归预测

Python基于numpy模块实现回归预测

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。

一文看懂荣耀MagicBook Pro 16
荣耀猎人回归!七大亮点看懂不只是轻薄本,更是游戏本的MagicBook Pro 16.
人们对于笔记本电脑有一个固有印象:要么轻薄但性能一般,要么性能强劲但笨重臃肿。然而,今年荣耀新推出的MagicBook Pro 16刷新了人们的认知——发布会上,荣耀宣布猎人游戏本正式回归,称其继承了荣耀 HUNTER 基因,并自信地为其打出“轻薄本,更是游戏本”的口号。
众所周知,寻求轻薄本的用户普遍更看重便携性、外观造型、静谧性和打字办公等用机体验,而寻求游戏本的用户则普遍更看重硬件配置、性能释放等硬核指标。把两个看似难以相干的产品融合到一起,我们不禁对它产生了强烈的好奇:作为代表荣耀猎人游戏本的跨界新物种,它究竟做了哪些平衡以兼顾不同人群的各类需求呢?