如何通过改变次数的多次多项式拟合进行循环

Question

我的代码功能正常，但我正在重复一个块几次，以改变多项式变量degree。我认为这可以而且应该循环以允许更快的迭代，但我不确定如何做到这一点。在下面的代码之前，我生成了我保留用于绘图的train_测试分割

经过几次迭代后，我在y_预测上使用np.vstack来创建单个数组

from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

### degree 1 ####
poly1 = PolynomialFeatures(degree=1)
x1_poly = poly1.fit_transform(X_train)
                           
linreg1 = LinearRegression().fit(x1_poly, y_train)
pred_1= poly1.transform(x_prediction_data)
y1_poly_pred=linreg1.predict(pred_1)

### degree 3 #####
poly3 = PolynomialFeatures(degree=3)
x3_poly = poly3.fit_transform(X_train)
                                  
linreg3 = LinearRegression().fit(x3_poly, y_train)
pred_3= poly3.transform(x_prediction_data)
y3_poly_pred=linreg3.predict(pred_3)

#### ect... will make several other degree = 6, 9 ...

Answer 1

我建议你在字典里收集答案，但为了简单起见，我创建了一个列表

代码在i上迭代，i是多项式的阶数。训练模型等，然后收集其答案

prediction_collector = []
for i in [1,3,6,9]:

    poly = PolynomialFeatures(degree=i)
    x_poly = poly.fit_transform(X_train)
                               
    linreg = LinearRegression().fit(x_poly, y_train)
    pred= poly.transform(x_prediction_data)
    y_poly_pred=linreg.predict(pred)

    # to collect the answer after each iteration/increase of degrees
    predictions_collector.append(y_poly_pred)