Python 3.x 如何绘制多项式回归的递增学习曲线

我试图在使用多项式特性和以下代码后绘制拟合曲线，但结果不正确。如何仅绘制单个拟合曲线

import matplotlib.pyplot as plt
import numpy as np

m = 100
X = 6 * np.random.rand(m,1) - 3
Y = 0.5 * X**2 + X + 2 + np.random.randn(m,1)

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

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

lin = LinearRegression()

lin.fit(X_poly,Y)
Y_pred = lin.predict(X_poly)

plt.scatter(X, Y)
plt.plot(X_poly,Y_pred,color='red')
plt.show()

试试：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
m = 100
X = 6 * np.random.rand(m) - 3
Y = 0.5 * X**2 + X + 2 + np.random.randn(m)

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

poly_features = PolynomialFeatures(degree=2,include_bias=False)
X_poly = poly_features.fit_transform(X.reshape(-1,1))

lin = LinearRegression()

lin.fit(X_poly,Y)
Y_pred = lin.predict(X_poly)

idx = X.argsort()

plt.scatter(X, Y)
plt.plot(X[idx],Y_pred[idx],color='red')
plt.show()

---

这就像一个魔术，但你能告诉我我做错了什么，它是如何解决的吗？你应该注意你提供给

plt.plot

的参数顺序。我命令它，增加，因此线从左到右平滑地移动。你没有。因此，在你的间歇时间里，你的线从一点到另一点是随机的。另外，我稍微改变了输入数组的维数，从（m，1）到（m，）。这并不重要，但代码更简洁。如果您愿意，我可以重新编辑您的尺寸。