Python学习多项式预处理和量纲问题

我正在试验1-3次多项式变换对原始数据的拟合，每次使用100个预测值。I首先1）重塑原始数据，2）在测试集和预测空间（数据特征）上应用fit_变换，3）在预测空间上获得线性预测，4）使用以下代码将其导出到数组中：

从sklearn.linear\u模型导入线性回归
从sklearn.preprocessing导入多项式特征
从sklearn.model\u选择导入列车\u测试\u拆分
np.random.seed（0）
n=100
x=np.linspace（0,10,n）+np.randn（n）/5
y=np.sin（x）+n/6+np.randn（n）/10
x=x。重塑（-1，1）
y=y。重塑（-1，1）
pred_data=np.linspace（0,10100）。重塑（-1,1）
结果=[]
因为我在[1,2,3]中：
多边形=多项式特征（阶数=i）
x_序列，x_测试，y_序列，y_测试=序列测试分割（x，y，随机状态=0）
x_poly1=多边形拟合变换（x_序列）
pred_数据=多边形拟合变换（pred_数据）
linreg1=线性回归（）
pred=linreg1.predict（pred_数据）
结果追加（pred）
结果

首先，正如我在评论中所建议的，您应该始终对测试数据调用

transform（）

（

pred\u data

）

但即使这样做，也会出现不同的错误。错误是由以下行引起的：

pred_数据=多边形拟合变换（pred_数据）

在这里，您将使用转换后的版本替换原始的

pred_数据。因此，对于循环的第一次迭代，它是有效的，但对于第二次和第三次迭代，它变得无效，因为它需要原始
pred_数据
，其形状（100,1）在for循环上方的这一行中定义：

pred_data=np.linspace（0,10100）。重塑（-1,1）

将循环中变量的名称更改为其他名称，所有操作都会正常进行

for i in [1, 2, 3] :
    poly = PolynomialFeatures(degree = i)
    x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=0)
    x_poly1 = poly.fit_transform(x_train)

    # Changed here
    pred_data_poly1 = poly.transform(pred_data)

    linreg1 = LinearRegression().fit(x_poly1, y_train)
    pred = linreg1.predict(pred_data_poly1)
    results.append(pred)
results

您应该始终只调用测试数据上的
transform（）
，在您的情况下调用
pred\u数据
fit_transform（）
call会忘记以前的调用并再次学习数据，可能会导致不同的维度。我尝试在pred_数据上使用poly.transform（），Python仍然返回错误消息：X形状与训练形状不匹配。