Python sklearn 多元回归

Question

我这两天一直在解决这个问题。我在 scatter plot 中放入了一些数据点并得到了这个：

这很好，但现在我还想添加一条回归线，所以我从 sklearn 查看了这个 example 并将代码更改为这个

import numpy as np
import matplotlib.pyplot as plt
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score

degrees = [3, 4, 5]
X = combined[['WPI score']]
y = combined[['CPI score']]

plt.figure(figsize=(14, 5))
for i in range(len(degrees)):
    ax = plt.subplot(1, len(degrees), i + 1)
    plt.setp(ax, xticks=(), yticks=())

    polynomial_features = PolynomialFeatures(degree=degrees[i], include_bias=False)
    linear_regression = LinearRegression()
    pipeline = Pipeline([("polynomial_features", polynomial_features), ("linear_regression", linear_regression)])
    pipeline.fit(X, y)

    # Evaluate the models using crossvalidation
    scores = cross_val_score(pipeline, X, y, scoring="neg_mean_squared_error", cv=10)

    X_test = X #np.linspace(0, 1, len(combined))
    plt.plot(X, pipeline.predict(X_test), label="Model")
    plt.scatter(X, y, label="CPI-WPI")
    plt.xlabel("X")
    plt.ylabel("y")
    plt.legend(loc="best")
    plt.title("Degree {}\nMSE = {:.2e}(+/- {:.2e})".format(degrees[i], -scores.mean(), scores.std()))
plt.savefig(pic_path + 'multi.png', bbox_inches='tight')
plt.show()

具有以下输出：

请注意 X 和 y 都是 DataFrames 大小 (151, 1)。如有必要，我也可以 post X 和 y 的内容。

我想要的是一条流畅的线条，但我似乎想不通，该怎么做。

[编辑]

这里的问题是：如何获得一条平滑、弯曲的多项式线，而不是多条具有看似随机模式的多项式线。

[编辑 2]

问题是，当我这样使用 linspace 时：

X_test = np.linspace(1, 4, 151)
X_test = X_test[:, np.newaxis]

我得到了一个更随机的模式：

Answer 1

诀窍是设置如下代码：

X_test = np.linspace(min(X['GPI score']), max(X['GPI score']), X.shape[0])
X_test = X_test[:, np.newaxis]
plt.plot(X_test, pipeline.predict(X_test), label="Model")

产生以下结果（更好的单条平滑线）

Python sklearn 多元回归

Python sklearn poly regression

python

regression

scikit-learn

sklearn-pandas