DDR爱好者之家 Design By 杰米

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。

DDR爱好者之家 Design By 杰米
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
DDR爱好者之家 Design By 杰米