scikit-learn是否提供使用高斯或多項式內核執行迴歸的工具?我看了一下API,但沒有看到。 有沒有人在scikit-learn的基礎上構建了一個包?如何使用scikit-learn進行高斯/多項式迴歸?
7
A
回答
7
16
理論
多項式迴歸是線性迴歸的一種特殊情況。有關如何選擇功能的主要想法。用兩個變量看多元迴歸:x1
和x2
。線性迴歸看起來像這樣:y = a1 * x1 + a2 * x2.
現在你想有一個多項式迴歸(讓我們做2度多項式)。我們將創建一些附加功能:x1*x2
,x1^2
和x2^2
。因此,我們將讓你的「迴歸」:
y = a1 * x1 + a2 * x2 + a3 * x1*x2 + a4 * x1^2 + a5 * x2^2
這很好地顯示了一個重要的概念curse of dimensionality,因爲新功能的數量增長不是線性快得多與多項式程度的增長。你可以看看about this concept here。
與實踐scikit學習
你不需要做這一切在scikit。 (在0.15版本中,檢查how to update it here)。
from sklearn.preprocessing import PolynomialFeatures
from sklearn import linear_model
X = [[0.44, 0.68], [0.99, 0.23]]
vector = [109.85, 155.72]
predict= [0.49, 0.18]
poly = PolynomialFeatures(degree=2)
X_ = poly.fit_transform(X)
predict_ = poly.fit_transform(predict)
clf = linear_model.LinearRegression()
clf.fit(X_, vector)
print clf.predict(predict_)
相關問題
- 1. 如何使用GPML(Matlab)進行二維高斯過程進行迴歸?
- 2. Logistic迴歸在scikitlearn
- 3. pymc3多個高斯過程迴歸
- 4. 如何使用cross_val_score進行高階線性迴歸?
- 5. Python:如何使用SKlearn使用多項式邏輯迴歸
- 6. 多項式迴歸給使用Tensorflow
- 7. 使用ggplot2進行多變量回歸
- 8. 使用SVM進行迴歸
- 9. 3D多項式迴歸
- 10. 使用h2o進行多項式迴歸的部分依賴關係圖
- 11. 在c sharp中使用Math.Net庫進行多項式迴歸時出錯
- 12. 如何使用高斯過程進行二進制分類?
- 13. 使用opencv進行高斯平滑
- 14. Sklearn高斯迴歸 - 存儲器錯誤
- 15. 如何選擇多維多項式迴歸模型?
- 16. 如何使用高斯分佈對列表進行混洗
- 17. 如何使用Pandas和SciKitLearn Stack提高Python腳本的性能?
- 18. 外推使用高斯過程迴歸或克里格
- 19. 使用postgres進行線性迴歸
- 20. 使用SVM迴歸進行預測?
- 21. 使用matplotlib/numpy進行線性迴歸
- 22. 使用Mahout進行Logistic迴歸
- 23. 使用R和Hadoop進行Logistic迴歸
- 24. R(或其他選擇?)中的高(或非常高)階多項式迴歸
- 25. 多項式迴歸無意義預測
- 26. 多項式迴歸c代碼
- 27. R中的分層多項式迴歸
- 28. R中引導多項式迴歸
- 29. 整形多項式迴歸的數據
- 30. 用PyMC3進行基本貝葉斯線性迴歸預測
sklearn的管道使這更容易:http://scikit-learn.org/0.17/auto_examples/model_selection/plot_underfitting_overfitting.html – amos
@Salvador大理。對不起,什麼是「矢量」? –
@GianlucaJohnMassimiani,vector = y_training and predict = X_test。 – 2016-11-20 20:41:53