Matplotlib 多项式回归 - 显示的线条过多

Question

这是我使用的代码——然而，对于下图，所有这些蜘蛛网状的线条不断弹出，我想让它们消失。有什么建议？我只想要一条弯曲的 3 次多项式线，它可以在没有蜘蛛网的情况下适当地拟合数据。

df = pd.read_csv('poly_data.csv', delimiter = ' ', names = ['x', 'y'])
x = df['x'].to_numpy()
y = df['y'].to_numpy()


model = LinearRegression()
poly = PolynomialFeatures(3)
x_poly = poly.fit_transform(x.reshape(-1, 1))
model.fit(x_poly, y.reshape(-1, 1))[![enter image description here][1]][1]
y_pred = model.predict(x_poly)

plt.scatter(x, y)
plt.scatter(x, y_pred)
plt.plot(x, model.predict(x_poly), label = '3rd order')
plt.title('Polynomial Regression')
plt.xlabel('x')
plt.ylabel('y')
plt.show()

Answer 1

你看到蜘蛛网是因为你的x值没有排序，看代码，你可以先对你的data.frame进行排序，比如你的data.frame是这样的：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

df = pd.DataFrame({'x':np.random.uniform(-5,5,20)})
df['y'] = 5+ 2*df['x'] - 7*df['x']**2 +2*df['x']**3 + np.random.normal(20)

排序，分配 x 和 y 并拟合，绘图：

df = df.sort_values('x')

x = df[['x']]
y = df.sort_values('x')['y']

model = LinearRegression()
poly = PolynomialFeatures(3)
x_poly = poly.fit_transform(x)
model.fit(x_poly,y)
y_pred = model.predict(x_poly)

plt.scatter(x, y)
plt.scatter(x, y_pred)
plt.plot(x, model.predict(x_poly))

或者你定义一个排序的网格线来绘制：

plt.scatter(x, y)
plt.scatter(x, y_pred)
xl = np.linspace(x.min(),x.max(),20)
plt.plot(xl, model.predict(poly.fit_transform(xl.reshape(-1, 1))))

Answer 2

这是不正确的。排序值会改变回归结果。 它改变了相关性。