多项式回归失败答案

【问题标题】：Polynomial Regression Failure多项式回归失败
【发布时间】：2023-03-03 08:26:21
【问题描述】：

我正在尝试从头开始实现我自己的多项式回归模型，这是我目前所写的：

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。我无法解释这个，所以修复它。大多数在线教程，关于多项式回归的文章都集中在使用 sklearn 或其他软件包，所以我还没有找到解决方案。你能帮我检查一下这个问题吗？

【问题讨论】：

你给它的学位不是 1 吗？
是的，当然，在创建实例时

标签： python machine-learning statistics

【解决方案1】：

首先多项式回归使用平均绝对误差，L1 损失要么均方误差、二次损失、L2损失避免误差过大

其次，你的 x 的形状是什么？ coef 的形状应该是 x

【讨论】：