Oppiskele Polynomiregression Rakentaminen

Pyyhkäise näyttääksesi valikon

Tiedoston lataaminen

Ladataan poly.csv ja tarkastellaan sitä:


              1234
            
import pandas as pd
file_link = 'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/poly.csv'
df = pd.read_csv(file_link)
print(df.head())

Seuraavaksi visualisoidaan riippuvuus:


              12345
            
import matplotlib.pyplot as plt
X = df['Feature']
y = df['Target']
plt.scatter(X, y)
plt.show()

Suora viiva ei sovi hyvin, joten polynomiregressio on sopivampi.

X̃-matriisin rakentaminen

X̃ voidaan luoda lisäämällä neliöidyt piirteet manuaalisesti:

df['Feature_squared'] = df['Feature'] ** 2

Korkeamman asteen tapauksissa PolynomialFeatures on helpompi. Se vaatii kaksiulotteisen rakenteen:

from sklearn.preprocessing import PolynomialFeatures
X = df[['Feature']]
poly = PolynomialFeatures(n)
X_tilde = poly.fit_transform(X)

Lisää myös vakiosarakkeen, joten sm.add_constant() ei ole tarpeen.

Jos X on yksidimensioinen, muunna se:

X = X.reshape(-1, 1)

Polynomiregression rakentaminen

import statsmodels.api as sm
y = df['Target']
X = df[['Feature']]
X_tilde = PolynomialFeatures(n).fit_transform(X)
model = sm.OLS(y, X_tilde).fit()

Ennustaminen vaatii uuden datan muuntamisen samalla tavalla:

X_new_tilde = PolynomialFeatures(n).fit_transform(X_new)
y_pred = model.predict(X_new_tilde)

Täydellinen esimerkki


              123456789101112131415161718
            
import pandas as pd, numpy as np, matplotlib.pyplot as plt
import statsmodels.api as sm
from sklearn.preprocessing import PolynomialFeatures

df = pd.read_csv(file_link)
n = 2
X = df[['Feature']]
y = df['Target']
X_tilde = PolynomialFeatures(n).fit_transform(X)
model = sm.OLS(y, X_tilde).fit()

X_new = np.linspace(-0.1, 1.5, 80).reshape(-1,1)
X_new_tilde = PolynomialFeatures(n).fit_transform(X_new)
y_pred = model.predict(X_new_tilde)

plt.scatter(X, y)
plt.plot(X_new, y_pred)
plt.show()

Kokeile eri n-arvoja nähdäksesi, miten käyrä muuttuu ja miten ennusteet käyttäytyvät alkuperäisen piirrealueen ulkopuolella—tämä johdattaa seuraavaan lukuun.

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 3. Luku 3

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Osio 3. Luku 3