溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章給大家介紹python中怎么實現非線性回歸，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。
python進行非線性回歸分析
利用matplotlib進行可視化得出散點圖。
感染人數隨日期變化的csv文件
代碼如下：
from pandas import read_csv
import matplotlib.pyplot as plt
plt.rcParams['font.family']='SimHei'#解決中文字體
data=read_csv('F:2.csv',encoding='GBK')
plt.scatter(data.日期,data.感染人數)
data.corr()
lrModel=LinearRegression()
x=data[['日期']]
y=data[['感染人數']]
plt.scatter(x,y)
plt.xlabel('日期序數')
plt.ylabel('感染人數')
plt.show()
結果如圖（我將3月11日作為第一天）
根據圖示很接近二次函數和三次函數，我選擇用三次函數來進行擬合。代碼如下：
from sklearn.preprocessing import
PolynomialFeatures as pf
pd=pf(degree=3)
x1=pd.fit_transform(x)
irmodle=LinearRegression()
irmodle.fit(x1,y)
a=irmodle.score(x1,y)
b=pd.fit_transform([[18]])
c=irmodle.predict(b)
print(a)
print("預計3/29日的感染人數為",irmodle.predict(pd.fit_transform([[17]])))
print("預計3/30日的感染人數為",c)
print("預計3/31日的感染人數為",irmodle.predict(pd.fit_transform([[19]])))
print("預計4/1日的感染人數為",irmodle.predict(pd.fit_transform([[20]])))
結果如下：
關于python中怎么實現非線性回歸就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
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。
