Python 通过最小二乘回归拟合多项式模型后，预测值的numpy等价物是什么？

假设我想通过最小二乘回归拟合度

d

的多项式模型。我在python中学习了两种方法。一个使用

numpy

，另一个使用

sklearn

。在我拟合模型并获得系数后，为了预测测试数据的值，在

sklearn

中，我可以执行以下操作：

from sklearn.linear_model import LinearRegression 
model = LinearRegression()
model.fit(x_train, y_train) # Fitting on Training Data
model.predict(20) #One value in test data is 20

使用以下方法拟合模型后，

model.predict（）

的

numpy

等效值是什么：

import numpy.polynomial.polynomial as poly
np_model = poly.polyfit(x_train, y_train, d)

---

我使用numpy.polyval，文档位于-这里是一个使用polyval的图形多项式拟合器示例

---

我使用numpy.polyval，文档位于-这里是一个使用polyval的图形多项式拟合器示例

---

顺便说一下，将多项式顺序（代码顶部）设置为7以查看过拟合的丑陋示例。顺便说一下，将多项式顺序（代码顶部）设置为7以查看过拟合的丑陋示例。

import numpy, matplotlib
import matplotlib.pyplot as plt

xData = numpy.array([1.1, 2.2, 3.3, 4.4, 5.0, 6.6, 7.7, 0.0])
yData = numpy.array([1.1, 20.2, 30.3, 40.4, 50.0, 60.6, 70.7, 0.1])

polynomialOrder = 2 # example quadratic

# curve fit the test data
fittedParameters = numpy.polyfit(xData, yData, polynomialOrder)
print('Fitted Parameters:', fittedParameters)

modelPredictions = numpy.polyval(fittedParameters, xData)
absError = modelPredictions - yData

SE = numpy.square(absError) # squared errors
MSE = numpy.mean(SE) # mean squared errors
RMSE = numpy.sqrt(MSE) # Root Mean Squared Error, RMSE
Rsquared = 1.0 - (numpy.var(absError) / numpy.var(yData))
print('RMSE:', RMSE)
print('R-squared:', Rsquared)

print()


##########################################################
# graphics output section
def ModelAndScatterPlot(graphWidth, graphHeight):
    f = plt.figure(figsize=(graphWidth/100.0, graphHeight/100.0), dpi=100)
    axes = f.add_subplot(111)

    # first the raw data as a scatter plot
    axes.plot(xData, yData,  'D')

    # create data for the fitted equation plot
    xModel = numpy.linspace(min(xData), max(xData))
    yModel = numpy.polyval(fittedParameters, xModel)

    # now the model as a line plot
    axes.plot(xModel, yModel)

    axes.set_xlabel('X Data') # X axis data label
    axes.set_ylabel('Y Data') # Y axis data label

    plt.show()
    plt.close('all') # clean up after using pyplot

graphWidth = 800
graphHeight = 600
ModelAndScatterPlot(graphWidth, graphHeight)