带权重的多项式回归答案

【问题标题】：Polynomial Regression with weights带权重的多项式回归
【发布时间】：2021-07-11 05:03:50
【问题描述】：

为了拟合，我正在使用带有加权值的 sklearn LinearRegression：

from sklearn.linear_model import LinearRegression

regr = LinearRegression()
regr.fit(x, y, w)

plt.scatter(x, y,  color='black')
plt.plot(x, regr.predict(x), color='blue', linewidth=3)

但是，现在我的数据显示的不是线性行为，而是二次行为。所以我尝试实现 polynomicFeatures：

from sklearn.preprocessing import PolynomialFeatures

regr = PolynomialFeatures()
regr.fit(x, y, w)

plt.scatter(x, y,  color='black')
plt.plot(x, regr.predict(x), color='blue', linewidth=3)

但是，PolynomialFeatures 拟合函数似乎不允许在其拟合函数中使用 sample_weight 参数。有没有办法使用多项式拟合的权重？

【问题讨论】：

标签： scikit-learn

【解决方案1】：

PolynomialFeatures 不是回归，它只是执行数据多项式变换的预处理函数。然后，您需要像往常一样将其插入线性回归中。

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

poly = PolynomialFeatures()
reg = LinearRegression()

x_poly = poly.fit_transform(x)
reg.fit(x_poly, y, w)

plt.scatter(x, y,  color='black')
plt.plot(x, reg.predict(x_poly), color='blue', linewidth=3)

【讨论】：