Python 具有多项式特征和线性回归的管道-意外结果

使用下面的代码，我只想将回归曲线拟合到未按预期工作的样本数据

X = 10*np.random.rand(100)
y= 2*X**2+3*X-5+3*np.random.rand(100)
xfit=np.linspace(0,10,100)


poly_model=make_pipeline(PolynomialFeatures(2),LinearRegression())
poly_model.fit(X[:,np.newaxis],y)


y_pred=poly_model.predict(X[:,np.newaxis])


plt.scatter(X,y)
plt.plot(X[:,np.newaxis],y_pred,color="red")

plt.show()

难道不应该有一条与数据点完美吻合的曲线吗？因为训练数据（X[：，np.newaxis]）和用于预测y_pred的数据是相同的（也是（X[：，np.newaxis]）

如果我改为使用xfit数据来预测模型，则结果与预期一致

...

y_pred=poly_model.predict(xfit[:,np.newaxis])

plt.scatter(X,y)
plt.plot(xfit[:,np.newaxis],y_pred,color="red")

plt.show()

---

那么，这种行为的问题和解释是什么呢？

这两个图的区别在于

plt.plot(X[:,np.newaxis],y_pred,color="red")

X[：，np.newaxis]

中的值在

plt.plot(xfit[:,np.newaxis],y_pred,color="red")

对

xfit[：，np.newaxis]

的值进行排序

现在，

plt.plot

将数组中的任意两个连续值逐行连接起来，因为它们没有排序，所以在第一个图中可以看到这一组行

替换

plt.plot(X[:,np.newaxis],y_pred,color="red")

与

你会得到一个漂亮的身材：

---

根据Miriam Farber的回答，我想出了另一种方法。由于X值没有排序，我可以通过简单地用以下值排序来解决问题：

X=np.sort(X)

现在剩下的代码可以保持静止，并将提供所需的结果

X=np.sort(X)