回归HW2-非线性问题的回归解决方案及python实现

• 数学理论：

当遇到非线性问题，类似，y=\theta_0+\theta_1x_1+\theta_2x_2^2+...
通过令，t_1=x_1, t_2=x_2^2, ....
将原始转化为，y=\theta_0+\theta_1t_1+\theta_2t_2+....
这时候该问题就转化为线性问题，同之前写的线性问题一个解法。

• 算法实现

• 导入模块

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib

• 导入数据散点可视化

data=pd.read_csv('PDM\\xx\\4.3\\data.csv')
font={'family':'SimHei'}
plt.scatter(data['等级'],data['资源'])
plt.xlabel('等级')
plt.ylabel('资源')
plt.show()

font = { 'family' : 'SimHei'};
matplotlib.rc('font', **font);
matplotlib.rcParams['axes.unicode_minus'] = False
from pandas.tools.plotting import scatter_matrix;
scatter_matrix(data[["等级", "资源"]], alpha=0.8, figsize=(10, 10), diagonal='kde')
plt.show()

非线性关系，尝试二阶polynomial

• 导入计算模块

from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
x = data[['等级']]
y = data[['资源']]
pf = PolynomialFeatures(degree=2)
x_fit = pf.fit_transform(x)
IrModel = LinearRegression()
IrModel.fit(x_fit,y)

yy=np.array(np.mat(x_fit)*np.mat(IrModel.coef_).T)+IrModel.intercept_

font={'family':'SimHei'}
plt.scatter(data['等级'],data['资源'])
plt.xlabel('等级')
plt.ylabel('资源')
plt.plot(x_fit[:,1],yy)
plt.show()

• 预测

x_2_fit=pf.fit_transform([[21],[22],[23]])
IrModel.predict(x_2_fit)