使用 Python 进行回归

Question

我有以下变量：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split


np.random.seed(0)
n = 15
x = np.linspace(0,10,n) + np.random.randn(n)/5
y = np.sin(x)+x/6 + np.random.randn(n)/10


X_train, X_test, y_train, y_test = train_test_split(x, y, random_state=0)


def part1_scatter():
    %matplotlib notebook
    plt.figure()
    plt.scatter(X_train, y_train, label='training data')
    plt.scatter(X_test, y_test, label='test data')
    plt.legend(loc=4);

还有以下问题：

编写一个函数，在训练数据 X_train 上拟合 1、3、6 和 9 阶的多项式 LinearRegression 模型。（使用 sklearn.preprocessing 中的 PolynomialFeatures 创建多项式特征，然后拟合线性回归模型）对于每个模型，在区间 x = 0 到 10 上找到 100 个预测值（例如 np.linspace(0,10,100)）并将其存储在一个 numpy 数组中。该数组的第一行应对应于在 1 度、第二行 3 度、第三行 6 度和第四行 9 度上训练的模型的输出。

这是我的代码，但它不起作用：

def answer_one():
    from sklearn.linear_model import LinearRegression
    from sklearn.preprocessing import PolynomialFeatures

    np.random.seed(0)
n = 15
x = np.linspace(0,10,n) + np.random.randn(n)/5
y = np.sin(x)+x/6 + np.random.randn(n)/10

X_train, X_test, y_train, y_test = train_test_split(x, y, random_state=0)
results = []
pred_data = np.linspace(0,10,100)
degree = [1,3,6,9]
y_train1 = y_train.reshape(-1,1)

for i in degree:
    poly = PolynomialFeatures(degree=i)
    pred_poly1 = poly.fit_transform(pred_data[:,np.newaxis])
    X_F1_poly = poly.fit_transform(X_train[:,np.newaxis])
    linreg = LinearRegression().fit(X_F1_poly, y_train1)
    pred = linreg.predict(pred_poly1)
    results.append(pred)

    dataArray = np.array(results).reshape(4, 100)

    return dataArray

我收到此错误：

    line 58      for i
in degree:      ^  IndentationError: unexpected
indent

你能告诉我问题出在哪里吗？

Answer 1

return 语句应该在for 完成之后执行，所以它应该缩进到for 下，而不是进一步。

Answer 2

在行首

n = 15

你停止了识别。因此该部分不被识别为功能。这可以通过在从 n = 15 开始的所有行上放置 4 个空格来解决。