這篇文章主要講解了Python基于numpy模塊實現回歸預測的方法，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
代碼如下
import numpy as np from matplotlib import pyplot as plt # 用numpy生成數據t ,y t = np.arange(1,10,1) y = 0.9 * t + np.sin(t) model = np.polyfit(t, y ,deg=1) # np.polyfit是numpy提供的加分分析方法，deg=1,指定模型為1階的，返回值model為獲得的模型 t2 = np.arange(-2,12,0.5) # 再生成一個間隔為0.5的序列 ypredict = np.polyval(model, t2) # 由np.polyval預測y值序列 plt.plot(t, y, "o", t2, ypredict, 'x') plt.show()
上面的一段代碼利用numpy生成數據序列，并實現了1階回歸，并畫出預測效果圖，圖形如下：
將代碼改一下，實現2階、3階回歸預測，只需要model = np.polyfit(t, y, deg =2)即可，同理3階模型就把deg改為3即可。
2階效果圖和3階效果圖分別如下：
需要說明的是，并不是擬合的階數越高，模型越好，本例使用2階擬合效果比較好，如果使用3階，會出現“過擬合”
看完上述內容，是不是對Python基于numpy模塊實現回歸預測的方法有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
