难以绘制 2 度线性回归

Question

我在用机器学习模型的 2 度曲线绘制二维线性回归时遇到了一些麻烦。

这是我的代码：

m = 100
X = 6 * np.random.rand(m, 1) - 3

y = 0.5 * X**2 + X + 2 + np.random.randn(m, 1)
plt.plot(X, y, "b.")
plt.show()

到此为止，这是我的散点图：

现在我正在训练一个 2 度线性模型。

from sklearn.preprocessing import PolynomialFeatures

poly_features = PolynomialFeatures(degree=2, include_bias=False)
X_poly = poly_features.fit_transform(X)

lin_reg = LinearRegression()
lin_reg.fit(X_poly, y)

已训练模型。

这是我绘制曲线时的结果：

plt.plot(X, lin_reg.predict(X_poly), "r-")
plt.show()

我正在研究如何打印连续曲线，而不是那些连线的点。

下面是我想要的输出，手动绘制。

Answer 1

你可能会踢自己，可能
一切都很好，除了 X 需要用 numpy.sort() 排序。
- 线条是按顺序绘制的，从一点到另一点。由于这些点不是按 X 排序的，因此它们被绘制在所有地方。
np.random.seed(365) 已指定每次生成相同的值。

import numpy
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

m = 100
np.random.seed(365)
X = 6 * np.random.rand(m, 1) - 3
X = np.sort(X, axis=0)  # sort the values

y = 0.5 * X**2 + X + 2 + np.random.randn(m, 1)

# regression code
poly_features = PolynomialFeatures(degree=2, include_bias=False)
X_poly = poly_features.fit_transform(X)

lin_reg = LinearRegression()
lin_reg.fit(X_poly, y)

# plot
plt.plot(X, y, "b.")
plt.plot(X, lin_reg.predict(X_poly), "r-")
plt.show()

难以绘制 2 度线性回归

Difficulty in plotting 2 degree linear regression

python

curve

numpy

matplotlib

linear-regression