Python 如何使用二次回归？

我试图学习如何拟合二次回归模型。数据集可从以下网站下载：

让“AdjSalePrice”作为目标变量，“SQFTTOLIVING”、“SqFtLot”、“浴室”、“卧室”、“BldgGrade”作为预测变量

假设“SqFtTotLiving”将是具有2级的变量。请参阅python代码：

import pandas as pd
import numpy as np
import statsmodels.api as sm
import sklearn


houses = pd.read_csv("house_sales.csv", sep = '\t')#separador é tab

colunas = ["AdjSalePrice","SqFtTotLiving","SqFtLot","Bathrooms","Bedrooms","BldgGrade"]

houses1 = houses[colunas]


X = houses1.iloc[:,1:] ## 
y =  houses1.iloc[:,0] ##

---

如何使用sklearn和statsmodels拟合二次回归模型？我只能使用线性回归…

首先，如果X有1D数组，请执行以下操作：

x = np.array([1,2,3,4,5])
x = x.reshape((-1,1))

结果:

>>>x
array([[1],
       [2],
       [3],
       [4],
       [5]])

那么这个,

from sklearn.preprocessing import PolynomialFeatures
from sklearn import linear_model

poly = PolynomialFeatures(degree=2)
poly_variables = poly.fit_transform(x)

poly_var_train, poly_var_test, res_train, res_test = train_test_split(poly_variables, y, test_size = 0.3, random_state = 4)

regression = linear_model.LinearRegression()

model = regression.fit(poly_var_train, res_train)
testing_score = model.score(poly_var_test, res_test)

---

列车测试分割内的“结果”是什么？@EdS，应该是

y

，对不起<代码>X_序列，X_测试，y_序列，y_测试=序列测试分割（X，y，测试大小=0.33，随机状态=42）来自sklearn文档。（）：我得到一个错误->值错误：应该是2D数组，而不是标量数组：数组=1。使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）。可以使用numpy重塑数据。sklearn需要2D阵列，即使它只有1D。例如，您需要的不是

[1,2,3,4]

，而是

[1]、[2]、[3]、[4]

。将此用作示例：

B=np.重塑（A，（-1，2））

，它将A重塑为2D.您的意思是

np.形状（x）

，它返回

（5647，）

？见答案，我刚刚更新