Sklearn 线性回归输出

Question

我正在尝试使用线性回归将抛物线拟合到一个简单的生成数据集中，但是无论我做什么曲线，我直接从模型中得到的结果都是难以理解的混乱。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

#xtrain, ytrain datasets have been generated earlier

model = LinearRegression(fit_intercept = True)
model.fit(np.hstack([xtrain, xtrain**2]), ytrain)  
xfit = np.linspace(-3,3,20)  
yfit = model.predict(np.hstack([xtrain, xtrain**2]))
plt.plot(xfit, yfit)
plt.scatter(xtrain, ytrain, color="black")

此代码输出以下图形：

但是，当我通过简单地更改以下代码行从模型生成的系数手动生成图时，我得到了我想要的结果。

yfit = model.coef_[0]*xfit + model.coef_[1]*xfit**2 + model.intercept_

这似乎有点笨拙的处理方式，所以我想学习如何正确生成曲线。 我认为问题一定是我的数据的离散性，但我无法自己弄清楚。

Answer 1

这是您修复的错误：

yfit = model.predict(np.hstack([xfit, xfit**2]))

在您的代码中，您在 X 轴上绘制xfit值，而在 Y 轴上绘制f(xtrain) 。