生成非线性数据集

前面我们介绍了Python代码实现线性回归，今天，我们来聊一聊当数据呈现非线性时，这时我们继续用线性表达式去拟合，显然效果会很差，那我们该怎么处理？继续上实例（我们的代码里用到的数据集尽量直接由Python生成，因此，是可以全部跑通的，有需要的同学，建议大家粘贴复现一下，多思考，多动手，才可以学的更好。）

import numpy as np
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

#生成如下数据集
a= np.arange(1,11)
b=np.array([4500,5000,6000,8000,11000,15000,20000,30000,50000,100000])
data = np.c_[a,b]

#给x,y分别添加维度
x = data[:,0,np.newaxis]
y=data[:,1,np.newaxis]
plt.scatter(x,y)
plt.show()

1、用线性回归拟合

数据的分布如上图所示，这时候如果继续使用线性回归去拟合，这里继续使用上篇文章Python手写的类，和sklearn里面实现是一样的。
链接:

除特别声明，本站所有文章均为原创，如需转载请以超级链接形式注明出处：SmartCat's Blog