如何使用二次回归？答案

【问题标题】：How to use quadratic regression?如何使用二次回归？
【发布时间】：2020-03-12 00:35:59
【问题描述】：

我正在尝试学习如何拟合二次回归模型。数据集可以从以下位置下载： https://filebin.net/ztr9har5nio7x78v

设“AdjSalePrice”为目标变量，“SqFtTotLiving”、“SqFtLot”、“Bathrooms”、“Bedrooms”、“BldgGrade”为预测变量。

想象“SqFtTotLiving”将是度数为 2 的变量。是 python 代码：

import pandas as pd
import numpy as np
import statsmodels.api as sm
import sklearn


houses = pd.read_csv("house_sales.csv", sep = '\t')#separador é tab

colunas = ["AdjSalePrice","SqFtTotLiving","SqFtLot","Bathrooms","Bedrooms","BldgGrade"]

houses1 = houses[colunas]


X = houses1.iloc[:,1:] ## 
y =  houses1.iloc[:,0] ##

如何使用 sklearn 和 statsmodels 拟合二次回归模型？我只能用线性回归...

【问题讨论】：

标签： python machine-learning scikit-learn statsmodels

【解决方案1】：

首先，如果您有一个 X 的一维数组，请执行以下操作：

x = np.array([1,2,3,4,5])
x = x.reshape((-1,1))

结果：

>>>x
array([[1],
       [2],
       [3],
       [4],
       [5]])

然后这个：

from sklearn.preprocessing import PolynomialFeatures
from sklearn import linear_model

poly = PolynomialFeatures(degree=2)
poly_variables = poly.fit_transform(x)

poly_var_train, poly_var_test, res_train, res_test = train_test_split(poly_variables, y, test_size = 0.3, random_state = 4)

regression = linear_model.LinearRegression()

model = regression.fit(poly_var_train, res_train)
testing_score = model.score(poly_var_test, res_test)

【讨论】：

train_test_split 中的“结果”是什么？
@EdS，应该是y，抱歉。 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42) 来自 sklearn 文档。 (scikit-learn.org/stable/modules/generated/…)
：我得到一个错误 -> ValueError：预期的 2D 数组，得到的是标量数组：array=1。如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果它包含单个样本，则使用 array.reshape(1, -1)。
你可以使用 numpy 来重塑它。 sklearn 需要二维数组，即使它只有一维。例如，您需要[[1], [2], [3], [4]]，而不是[1,2,3,4]。将此作为示例：B = np.reshape(A, (-1, 2))，它将 A 重塑为 2D。
你的意思是np.shape(x)，它返回(5647,)？看答案，我刚刚更新了