Difficoltà nel tracciare la regressione lineare di 2 gradi

Aug 25 2020

Sto affrontando alcuni problemi durante il tracciamento di una regressione lineare 2d con una curva di 2 gradi da un modello di Machine Learning.

Ecco il mio codice:

m = 100
X = 6 * np.random.rand(m, 1) - 3

y = 0.5 * X**2 + X + 2 + np.random.randn(m, 1)
plt.plot(X, y, "b.")
plt.show() 

Fino a qui ok, questo è il mio grafico a dispersione:

Ora sto addestrando un modello lineare di 2 gradi.

from sklearn.preprocessing import PolynomialFeatures

poly_features = PolynomialFeatures(degree=2, include_bias=False)
X_poly = poly_features.fit_transform(X)

lin_reg = LinearRegression()
lin_reg.fit(X_poly, y)

Modello addestrato.

E questo è il mio risultato quando traccio la curva:

plt.plot(X, lin_reg.predict(X_poly), "r-")
plt.show()

Sto cercando di capire come stampare la curva continua e non quei punti collegati in linea.

Di seguito è riportato l'output desiderato, disegnare manualmente.

Risposte

2 TrentonMcKinney Aug 25 2020 at 12:17
  • Probabilmente ti prendi a calci
  • Va tutto bene, tranne che Xdeve essere risolto con numpy.sort().
    • Le linee vengono tracciate in ordine, da un punto all'altro. Poiché i punti non sono ordinati per X, vengono disegnati ovunque.
  • np.random.seed(365) è stato specificato per produrre ogni volta gli stessi valori.
import numpy
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

m = 100
np.random.seed(365)
X = 6 * np.random.rand(m, 1) - 3
X = np.sort(X, axis=0)  # sort the values

y = 0.5 * X**2 + X + 2 + np.random.randn(m, 1)

# regression code
poly_features = PolynomialFeatures(degree=2, include_bias=False)
X_poly = poly_features.fit_transform(X)

lin_reg = LinearRegression()
lin_reg.fit(X_poly, y)

# plot
plt.plot(X, y, "b.")
plt.plot(X, lin_reg.predict(X_poly), "r-")
plt.show()