Я понимаю, к чему стремится полиномиальная регрессия (лучше всего подходит методом наименьших квадратов), но я не могу найти алгоритма для нахождения коэффициента в многочлене. Грубая сила не жизнеспособна, и это единственное решение, о котором я могу думать. Есть ли способ итерации коэффициентов? Мне что-то не хватает?Как итерации коэффициентов в модели полиномиальной регрессии?
0
A
ответ
0
Я не уверен, что понимаю, что вы имеете в виду, но если вы спрашиваете, как получить коэффициенты, для каждой реализации регрессионного алгоритма должно быть легко получить окончательные веса. Здесь у вас есть хороший пример с использованием регрессии хребта для соответствия полинома с sklearn: ridge regression to fit a polynomial.
И если вы проверите документацию (sklearn.linear_model.Ridge), вы увидите, что для получения весового вектора (-ов) используется атрибут с именем coef_
.
EDIT: Sklearn - это библиотека python для машинного обучения: scikit-learn.
Смежные вопросы
- 1. Понимание локальной полиномиальной регрессии
- 2. полиномиальной регрессии в Maple
- 3. Доверительный интервал полиномиальной регрессии
- 4. Как построить мою кривую полиномиальной регрессии?
- 5. Получение статистики полиномиальной регрессии в Numpy
- 6. Как проверить результат полиномиальной регрессии в RapidMiner?
- 7. Scikit - Формат вывода полиномиальной регрессии
- 8. Создать таблицу коэффициентов регрессии
- 9. Интерпретация коэффициентов регрессии в R
- 10. Получение коэффициентов регрессии в R
- 11. Ввод в формулу полиномиальной регрессии с Python
- 12. График полиномиальной регрессии (второй порядок) в R
- 13. полиномиальной регрессии в лм (2) Методы
- 14. Понимание значения коэффициентов логистической регрессии
- 15. получение коэффициентов регрессии от qplot
- 16. Сделать парные сравнения коэффициентов регрессии
- 17. минимум функции предсказанного второй степени полиномиальной регрессии
- 18. Альтернатива автомобилю lm.beta для стандартизации коэффициентов регрессии?
- 19. Создание матрицы поплавков для выполнения полиномиальной регрессии
- 20. Портирование полиномиальной регрессии от R до Python
- 21. участок полиномиальной регрессии линии с ggplot stat_smooth
- 22. Регуляризация коэффициентов логистической регрессии в MATLAB
- 23. Извлечения коэффициентов из регрессии в R
- 24. Прогнозирование с использованием mboost полиномиальной логистической регрессии в R
- 25. Определение коэффициентов регрессии для данных - MATLAB
- 26. Получить имена коэффициентов регрессии с R Bootstrap
- 27. Извлечения коэффициентов из логистической регрессии с циклом
- 28. Получение полиномиальной формы Лежандра после определения коэффициентов Лежандра
- 29. R Добавление коэффициентов регрессии к кадру данных
- 30. Потеря не сходится в полиномиальной регрессии в Tensorflow