我要解决这个问题已经两天了。我有一些数据点放在scatter plot
中,然后得到:
这很好,但是现在我还想添加一条回归线,所以我查看了sklearn中的example,并将代码改为
import numpy as np
import matplotlib.pyplot as plt
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
degrees = [3, 4, 5]
X = combined[['WPI score']]
y = combined[['CPI score']]
plt.figure(figsize=(14, 5))
for i in range(len(degrees)):
ax = plt.subplot(1, len(degrees), i + 1)
plt.setp(ax, xticks=(), yticks=())
polynomial_features = PolynomialFeatures(degree=degrees[i], include_bias=False)
linear_regression = LinearRegression()
pipeline = Pipeline([("polynomial_features", polynomial_features), ("linear_regression", linear_regression)])
pipeline.fit(X, y)
# Evaluate the models using crossvalidation
scores = cross_val_score(pipeline, X, y, scoring="neg_mean_squared_error", cv=10)
X_test = X #np.linspace(0, 1, len(combined))
plt.plot(X, pipeline.predict(X_test), label="Model")
plt.scatter(X, y, label="CPI-WPI")
plt.xlabel("X")
plt.ylabel("y")
plt.legend(loc="best")
plt.title("Degree {}\nMSE = {:.2e}(+/- {:.2e})".format(degrees[i], -scores.mean(), scores.std()))
plt.savefig(pic_path + 'multi.png', bbox_inches='tight')
plt.show()
其输出如下:
注意,X
和{DataFrames
大小(151, 1)
。如果需要,我也可以发布X和y的内容。在
我想要的是一条平滑的线条,但我似乎不知道该怎么做。在
[编辑]
这里的问题是:我如何得到一条平滑的曲线,而不是多条看起来随机的多项式曲线。在
[编辑2]
问题是,当我像这样使用linspace
时:
我得到了一个更随机的模式:
诀窍是设置如下代码:
这将产生以下结果(一条更好的、单一的平滑线)
相关问题 更多 >
编程相关推荐