Я только начал узнавать о полиномиальной регрессии. И я пытался создать заговор для полиномиальной регрессии, но заговор неверен.
Мой код такой
#Linear regression
from sklearn import linear_model
clf = linear_model.LinearRegression()
x = data.loc[:, ['col1']]
y = data.loc[:, ['col2']]
clf.fit(x, y)
plt.scatter(x, y)
plt.plot(x, clf.predict(x))
plt.show()
Этот код предназначен для модели линейной регрессии, и график таков.
и код для полиномиальной регрессии здесь
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree=2)
poly_x = poly_reg.fit_transform(x)
clf.fit(poly_x, y)
plt.scatter(x, y)
plt.plot(x, clf.predict(poly_x))
Сюжет не такой, как этот.
Я только начал узнавать об этом, и я просто попытался скопировать способ, которым делает какое-то руководство, поэтому мое понимание этого все еще плохо. Как я могу исправить этот сюжет, а также я буду признателен за хорошие ресурсы, чтобы понять концепцию.