python - 多项式回归失败

Question

我正在尝试从头开始实现我自己的多项式回归模型，这是我到目前为止所写的内容:

import numpy as np



class Polynomial:

    def __init__(self, eta=0.2, degree=1, epochs=100):
        self.eta = eta
        self.degree = degree
        self.coef = np.ones(shape = (self.degree,))
        self.epochs = epochs

    def fit_coef(self, X_train, y_train):
        temp_coef = np.ones(shape=(self.degree, ))
        size = len(X_train)
        for _ in range(3):
            for x, y in zip(X_train, y_train):
                arr = np.array([x**i for i in range(self.degree)])
                for i in range(self.degree):
                    err = np.sum(np.transpose(arr)*self.coef)*2/size
                    err -= y
                    err *= x**i
                    err *= self.eta
                    temp_coef[i] -= err
                    print(temp_coef[i])
                self.coef = temp_coef

在尝试将我的模型拟合到任何示例数据集之后，我遇到了一个问题，我的模型的系数变成了 NaN 值，我注意到它们增长得非常快到大值。我无法解释这一点，所以解决它。大多数在线教程、有关多项式回归的文章都侧重于使用 sklearn 或其他软件包，因此我还没有找到解决方案。您能帮我检查一下这个问题吗？

Answer 1

首先，多项式回归使用平均绝对误差，L1 损失或者 均方误差、二次损失、L​​2损失以避免误差过大

第二，你的 x 的形状是什么？ coef 的形状应为 x