python - 如何使用 scikit-learn 将多项式曲线拟合到数据？

Question

问题背景

在 Python 中使用 scikit-learn，我尝试将二次多项式曲线拟合到一组数据，以便模型的形式为 y = a2x^2 + a1x + a0 和 an 系数将由模型提供。

问题

我不知道如何使用该程序包来拟合多项式曲线，而且关于如何进行拟合的清晰引用资料似乎少得惊人(我已经查找了一段时间)。我看过this question on doing something similar with NumPy , 还有 this question which does a more complicated fit than I require .

好的解决方案应该是什么样的

希望，一个好的解决方案会像这样解决(示例改编 self 正在使用的线性拟合代码):

x = my_x_data.reshape(len(profile), 1)
y = my_y_data.reshape(len(profile), 1)
regression = linear_model.LinearRegression(degree=2) # or PolynomialRegression(degree=2) or QuadraticRegression()
regression.fit(x, y)

我想 scikit-learn 会有这样的设施，因为它很常见(例如，在 R 中，可以提供拟合公式 -代码，对于这种用例，它们应该可以完全互换。

问题:

执行此操作的好方法是什么，或者我在哪里可以找到有关如何正确执行此操作的信息？

Answer 1

可能重复:https://stats.stackexchange.com/questions/58739/polynomial-regression-using-scikit-learn .

出于某种原因，使用 scikit-learn 完成此操作是否至关重要？使用 numpy 可以很容易地执行您想要的操作:

z = np.poly1d(np.polyfit(x,y,2))

之后 z(x) 返回 x 处的拟合值。

scikit-learn 解决方案几乎可以肯定只是对相同代码的包装。